ПНИПУ создал 3D-StyleGAN2: микроструктуры материалов прочнее на 15–20%
Ученые Пермского национального исследовательского политехнического университета (ПНИПУ) разработали нейросеть, способную генерировать конструкции материалов нового поколения. По информации пресс-службы вуза, представители университета отметили, что раньше такие возможности не были характерны для искусственного интеллекта.
«Наша нейросеть не просто копирует или смешивает известные образцы, а действительно изобретает. Главное — она делает это не хаотично. Система автоматически „раскладывает“ все созданные варианты «по полочкам» — в упорядоченное цифровое пространство, где похожие структуры находятся рядом. Это позволяет легко находить и сравнивать разные решения, чего раньше было практически невозможно», — рассказал инженер‑исследователь Евгений Кононов.
Исследователи указывают на проблему совмещения противоречивых свойств в одном изделии. В качестве примеров приводят разработку костных имплантов нового поколения, где требуется сочетание высокой пористости для прорастания живой ткани и достаточной прочности, а также создание лопатки турбины, требующей одновременно жаропрочности и минимального веса — параметров, влияющих на подъемную силу и грузоподъемность самолётов.
Традиционные подходы к решению таких задач опираются на компьютерное моделирование. Наиболее распространённый из них — топологическая оптимизация — предполагает анализ виртуальной модели, первоначально представленной сплошным массивом материала, с последующим удалением участков с минимальными напряжениями. Этот метод позволяет получить надёжную конструкцию, но требует значительных вычислительных ресурсов и времени для каждого нового проекта. Более современные решения используют базы данных известных материалов и алгоритмы машинного обучения, которые выявляют закономерности в существующих структурах, однако, по мнению авторов исследования, ограничиваются вариациями известных решений и не создают принципиально новых материалов с уникальными свойствами.
В качестве перспективного подхода исследователи рассматривают генеративно‑состязательные сети (GAN). Эта архитектура предполагает совместную работу двух нейросетей — генератора и дискриминатора. Первая предлагает новые варианты структур, вторая оценивает их реалистичность, что в итоге повышает качество создаваемых образцов.
Пермские учёные модифицировали этот подход и создали, как утверждают разработчики, первую в мире трёхмерную версию архитектуры StyleGAN2. Ранее аналогичные системы применялись преимущественно к плоским изображениям; новая реализация позволяет генерировать сложные объёмные микроструктуры. Важным результатом стало формирование «пространства дизайна», где параметры можно плавно менять для получения работоспособных вариантов конструкций.
Для начального обучения нейросети использовали библиотеку из 5 тыс. моделей пористых материалов — одних из самых сложных в проектировании. Система проанализировала распределение твёрдых и пустотных областей, варианты соединения внутренних элементов и типичные особенности, что, по словам разработчиков, позволило ей выработать базовое представление о внутренней архитектуре образцов.
На заключающем этапе для поиска оптимальных решений применяется генетический алгоритм, действующий по принципам естественного отбора и оценивающий варианты по целевым параметрам — прочности и плотности.
«На этом этапе формируется набор структур, в которых невозможно одновременно улучшить оба показателя: если мы пытаемся увеличить прочность, неизбежно возрастает плотность, и наоборот. Такие результаты считаются предпочтительными, потому что предлагают наилучшие возможные компромиссы между противоречивыми требованиями, — пояснил кандидат физико‑математических наук, заведующий научно‑исследовательской лабораторией „Механика биосовместимых материалов и устройств“ ПНИПУ Михаил Ташкинов. — Алгоритм находит все предельные варианты. Например, одна из структур будет самой прочной для заданной лёгкости, другая — самой лёгкой для заданной прочности. Дальше этого предела улучшить уже ничего нельзя».
По информации университета, результаты показали высокую эффективность предложенного метода: созданные системой трёхмерные микроструктуры превзошли по характеристикам образцы из обучающей базы данных. При одинаковой плотности новые конструкции продемонстрировали повышение жёсткости на 15–20% по сравнению с существующими аналогами.
Разработанная технология сочетает элементы генеративного моделирования и эволюционных алгоритмов и, по словам авторов, предназначена для поиска компромиссных решений в задачах, где требуется балансировка противоречивых параметров материалов.