Deepfakes'in arkasındaki yapay zeka, malzeme tasarımındaki yenilikleri güçlendirebilir

Şekil 1. Koşullu Üretken Çelişki Ağı kullanılarak malzemelerin ters tasarımı için üretici modellemenin şematik gösterimi. (A) Üretici ve Ayrımcının üstün performans için rekabet ettiği çekişmeli eğitim prosedürü. (B) Eğitilmiş Jeneratör kullanılarak ters tasarım. Kredi: DOI: 10.20517/jmi.2021.05

İnsan yüzlerinin inandırıcı ama nihayetinde sahte görüntülerini üretebilen yapay zeka (AI) sayesinde, bilgisayar ekranından geriye bakan kişi gerçekte var olmayabilir. Şimdi bu aynı teknoloji, Penn State bilim adamlarına göre malzeme tasarımındaki bir sonraki yenilik dalgasına güç verebilir.

Malzeme bilimi ve mühendisliği ve Hesaplamalı ve Veri Bilimleri Enstitüsü fakültesinde yardımcı doçent olan Wesley Reinhart, “Bugün haberlerde derin sahtekarlıklar hakkında çok şey duyuyoruz – gerçek insanlara karşılık gelmeyen insan yüzlerinin gerçekçi görüntülerini oluşturabilen yapay zeka” dedi. ortak kiralama, Penn State’de. “Bu, araştırmamızda kullandığımız teknolojinin tıpatıp aynısı. Temel olarak, bu insan yüzleri örneğini yüksek performanslı alaşımların elementel bileşimleriyle değiştiriyoruz.”

Bilim adamları, güçlerini korurken ultra yüksek sıcaklıklara dayanabilen ve türbin kanatlarından roketlere kadar teknolojide kullanılan yeni refrakter yüksek entropi alaşımları, malzemeler oluşturmak için üretken bir düşman ağı (GAN) eğitti.

Reinhart, “Bir insan yüzünün görüntüsünü neyin oluşturduğuna veya bir alaşımı neyin oluşturduğuna dair birçok kural var ve tüm bu kuralların ne olduğunu bilmek veya bunları elle yazmak sizin için gerçekten zor olurdu.” Dedi. “Bu GAN’ın tüm prensibi, bu kuralların ne olduğunu öğrenmek için temelde rekabet eden ve ardından kurallara uyan örnekler üreten iki sinir ağınız olmasıdır.”

Ekip, bir eğitim veri seti oluşturmak için yüzlerce yayınlanmış alaşım örneğini taradı. Ağ, yeni kompozisyonlar oluşturan bir oluşturucu ve eğitim veri kümesine kıyasla gerçekçi görünüp görünmediklerini ayırt etmeye çalışan bir eleştirmen içerir. Bilim adamları, jeneratör başarılı olursa, eleştirmenin gerçek olduğuna inandığı alaşımları yapabilir ve bu düşmanca oyun birçok yinelemede devam ettikçe model gelişir, dedi bilim adamları.

Bu eğitimden sonra bilim adamları, modelden türbin kanatlarında kullanım için ideal olacak belirli özelliklere sahip alaşım bileşimleri oluşturmaya odaklanmasını istedi.

Penn State Malzeme Bilimi ve Mühendisliği Bölümü’nden Dorothy Pate Enright Profesörü Zi-Kui Liu, “Ön sonuçlarımız, üretken modellerin talep üzerine yenilik üretmek için karmaşık ilişkileri öğrenebileceğini gösteriyor” dedi. “Bu olağanüstü. Genel olarak malzeme bilimindeki hesaplama topluluğumuzda gerçekten eksik olduğumuz şey bu.”

Araştırmacılar, geleneksel veya rasyonel tasarımın kalıpları bulmak ve malzemeleri geliştirmek için insan sezgisine dayandığını, ancak malzeme kimyası ve işlemesi daha karmaşık hale geldikçe bunun giderek daha zor hale geldiğini söyledi.

Reinhart, “Tasarım problemleriyle uğraşırken, genellikle değiştirebileceğiniz düzinelerce hatta yüzlerce değişkeniniz olur” dedi. “Beyniniz 100 boyutlu uzayda düşünmek için kablolu değil; onu görselleştiremiyorsunuz bile. Dolayısıyla bu teknolojinin bizim için yaptığı şeylerden biri onu sıkıştırıp bize anlayabileceğimiz kalıpları göstermektir. Bunun gibi araçlara ihtiyacımız var. bu sorunu çözebilmek için bile. Bunu kaba kuvvetle yapamayız.”

Bilim adamları, yakın zamanda dergide yayınlanan bulgularını söyledi. Malzeme Bilişim Dergisi, alaşımların ters tasarımına doğru ilerlemeyi gösterir.

Reinhart, “Rasyonel tasarımla, bu adımların her birini teker teker uygulamanız gerekir; simülasyonlar yapın, tabloları kontrol edin, diğer uzmanlara danışın” dedi. “Ters tasarım temel olarak bu istatistiksel model tarafından işlenir. Tanımlanmış özelliklere sahip bir malzeme isteyebilir ve milisaniyeler içinde uygun olabilecek 100 veya 1.000 kompozisyon elde edebilirsiniz.”

Bununla birlikte, model mükemmel değil ve tahminlerinin hala yüksek kaliteli simülasyonlarla doğrulanması gerekiyor, ancak bilim adamları bunun tahminleri ortadan kaldırdığını ve hangi malzemelerin deneneceğini belirlemek için umut verici yeni bir araç sunduğunu söyledi.


Karmaşık alaşımların hesaplamalı keşfi, yeşil havacılığa giden yolu hızlandırabilir


Daha fazla bilgi:
Arindam Debnath ve diğerleri, Yüksek entropili refrakter alaşımların ters tasarımı için bir araç olarak üretken derin öğrenme, Malzeme Bilişim Dergisi (2021). DOI: 10.20517 / jmi.2021.05

Pennsylvania Eyalet Üniversitesi tarafından sağlanan

Alıntı: Deepfakes’in arkasındaki yapay zeka, malzeme tasarımındaki yenilikleri güçlendirebilir (2021, 9 Kasım), 20 Kasım 2021’de https://techxplore.com/news/2021-11-ai-deepfakes-power-materials.html adresinden alındı

Bu belge telif haklarına tabidir. Özel çalışma veya araştırma amaçlı herhangi bir adil işlem dışında, yazılı izin alınmadan hiçbir bölüm çoğaltılamaz. İçerik yalnızca bilgi amaçlı sağlanmıştır.





#Deepfakesin #arkasındaki #yapay #zeka #malzeme #tasarımındaki #yenilikleri #güçlendirebilir