iaintel·ligènciaartificial.cat← Portada

CIÈNCIA · 4 MIN

Una IA descobreix per si sola les equacions que descriuen com es deformen els metalls i el cautxú

Investigadors de l'Eastern Institute of Technology, a la Xina, han creat GraphED, un sistema que representa equacions matemàtiques com a grafs i n'explora milers de combinacions fins a trobar lleis constitutives que superen els models d'enginyeria de referència per a acers, liti metàl·lic i cautxús.

Il·lustració editorial de Una IA descobreix per si sola les equacions que descriuen com es deformen els metalls i el cautxú
Escolta:

Predir com es deformarà un material sota tensió —si un acer flueix, si el liti metàl·lic d'una bateria es deforma, si un cautxú s'estira i torna a la forma original— depèn de «lleis constitutives», equacions que durant dècades els enginyers han hagut de derivar a mà a partir de teoria física i observació experimental, sovint limitades a estructures matemàtiques predefinides que no sempre capturen bé el comportament real del material.

Un equip liderat per Hao Xu, amb Yuntian Chen i Dongxiao Zhang com a autors corresponents, de l'Eastern Institute of Technology (EIT) de Ningbo, ha publicat l'11 de setembre a Science Advances GraphED, un sistema que representa les equacions com a grafs dirigits —els nusos són operadors i variables, les arestes en defineixen les connexions i els paràmetres del material— en lloc de les estructures d'arbre habituals, i que genera, avalua i optimitza de manera iterativa equacions candidates fins a trobar-ne una que descrigui bé les dades experimentals. Aplicat a tres materials diferents, el sistema ha trobat equacions de velocitat de deformació i enduriment per a acers d'aliatge que superen el model Johnson-Cook de referència, equacions de flux plàstic més precises per al liti metàl·lic de les bateries, i equacions hiperelàstiques compactes per a cautxús reforçats que funcionen bé en diverses composicions del material.

El valor de GraphED no és només trobar una equació que ajusti bé les dades, sinó que ho faci amb expressions «físicament consistents, matemàticament compactes i interpretables per una persona», en paraules dels autors: un enginyer pot llegir i entendre l'equació resultant, a diferència de moltes eines de predicció basades en xarxes neuronals que funcionen com una caixa negra. Els autors plantegen que el mateix enfocament es podria aplicar a altres disciplines més enllà de la ciència de materials.

L'article, centrat en tres famílies de materials —acers, liti metàl·lic i cautxús—, no detalla encara com es comportaria el mètode amb materials més complexos o combinacions noves, ni quant de temps de càlcul exigeix a mesura que augmenta el nombre de paràmetres; els mateixos autors el presenten com una primera demostració del potencial de l'enfocament, no com una eina ja validada industrialment.

Mateix tema

CIÈNCIA · 4 MIN

Un mètode del MIT aconsegueix que la IA generativa compleixi sempre les normes físiques sense haver de reentrenar-la

L'algorisme HardFlow, del Laboratory for Information and Decision Systems del MIT, deixa que el model tingui llibertat mentre genera la solució i només n'imposa les restriccions de seguretat al resultat final: en proves de manipulació robòtica, navegació per laberints i edició d'imatges, va complir sempre les condicions i va trobar solucions millors que els mètodes existents.

Butlletí de dissabte

La setmana d’IA, en cinc minuts.