Когда инженеры создают новые материалы — например, для клюшек флорбола или лопастей ветрогенераторов — они часто используют композиты.

Это не просто смесь веществ, а сложная структура, где углеродные волокна переплетаются с полимерами, чтобы материал получился одновременно прочным, легким и гибким.

Но разработка таких материалов — долгий процесс.

Обычно приходится делать десятки тестов и компьютерных симуляций, а после каждого неудачного варианта вносить изменения.

Особенно сложно работать с ткаными композитами.

Тканый композит — материал, где волокна (например, углеродные) не просто лежат слоями, а переплетены, как нити в ткани. За счет этого он лучше сопротивляется нагрузкам в разных направлениях, но его поведение сложнее предсказать.

Компьютерные модели могут рассчитать, как будет вести себя материал на микро- и макроуровне, но для этого нужны огромные вычислительные мощности, — объясняет Эхсан Гане, аспирант Гётеборгского университета. — Искусственный интеллект мог бы ускорить процесс, но обычные нейросети требуют тонны данных и плохо справляются с прогнозами за пределами тренировочной выборки.

Гане разработал ИИ-модель, которой нужно меньше данных. Она анализирует уже известные свойства отдельных компонентов и предсказывает, как поведет себя их комбинация в новом материале.

Более того, модель учитывает физические законы деформации — это помогает понять, как материал будет разрушаться со временем.

Что это дает

• Быстрый подбор состава без бесконечных экспериментов.
• Экономию ресурсов — меньше тестов, меньше вычислений.

Но есть один важный момент: модель пока не идеальна для сверхсложных структур, где волокна переплетены нестандартно.

Главный плюс — скорость. Сейчас на разработку нового композита уходят месяцы, а с такой моделью процесс можно сократить в разы. Это критически важно для отраслей, где материалы работают на пределе — авиация, ветроэнергетика, спортивный инвентарь.

Еще один плюс — экономия. Компьютерные симуляции «съедают» огромные мощности, а ИИ-модель требует меньше ресурсов. В перспективе это снизит стоимость конечных продуктов.

И все же модель пока зависит от качества входных данных. Если в нее загрузить неточные параметры отдельных компонентов, прогноз будет ошибочным. Кроме того, она лучше работает с классическими ткаными структурами, а для экзотических плетений (например, 3D-ткани) может потребоваться доработка.

Ранее мы писали, заменит ли флешки и жесткие диски человеческая ДНК.