几个世纪以来，工程师一直依靠牛顿等人制定的物理定律来理解所使用的材料所承受的压力和压力。近日，麻省理工学院的研究人员开发出一种技术，能够准确的通过显示其内部结构的图像来快速确定材料的某些特性，例如应力和应变。

  该方法有一天可以消除对繁琐的物理计算的需求，单纯靠计算机视觉和机器学习便能实时生成估计值。研究发表在《科学进展》期刊上。论文的主要作者，材料科学与工程博士杨振泽（音译）说：“这是一种全新的方法，并补充说，该算法“无需任何物理领域的知识就可以完成整个过程。”

  工程师花费大量时间来求解方程式。它们有助于揭示材料的内力，例如应力和应变，这些内力会导致该材料变形或破裂。这样的计算决定了桥梁在繁忙的交通负荷或大风中能否保持稳定。

  “世世代代的数学家和工程师已经积累了许多这些计算方程，然后想出了如何在计算机上求解它们的方法，”作者之一Markus Buehler说，“但这仍然是一个棘手的问题。运行某些模拟在大多数情况下要几天，几周甚至几个月的时间。因此，我们想到开发AI来解决这一个问题。”

  这张图片可视化显示了在给定不同输入几何形状的情况下预测物理场的深度学习方法。左图显示了软材料在其中伸长的复合材料的变化几何形状，右图显示了对应于左图中几何形状的预测机械场。

  研究团队利用成千上万对成对的图像对一种名为“生成对抗神经网络”的机器学习技术进行了训练。一个图像描绘了材料在机械力作用下的内部微观结构，另一个图像描绘了该材料用颜色编码的应力和应变值。在这些示例中，该技术使用博弈论原理反复计算出材料的几何形状与其所产生的应力之间的关系。

  “因此，仅从一张图片，计算机就能够预测所有这些力：变形，应力等，” Buehler说。“这确实是一大突破。以传统方式来说，我们应该对方程进行编码，并要求计算机求解偏微分方程。而现在只需要对每张图片做多元化的分析就行了。”

  这种基于图像的方法对于复杂的复合材料特别有利。材料上的力在原子尺度上的作用可能不同于在宏观尺度上的作用。Buehler说：“如果您看着飞机，之间可能会出现胶水，金属和聚合物。因此，所有这些不同的面和比例决定了解决方案。” “如果我们仍旧是走牛顿的老路，则必须绕一大圈才能得到答案。”

  伦斯勒理工学院机械工程师Suvranu De表示，这种进步可以“显着减少设计产品所需的迭代次数”。“本文提出的端到端方法将对各种工程应用产生重大影响，包括从汽车和飞机工业中使用的复合材料到天然和工程生物材料。它还将在纯科学的探究，因为力量在从微/纳米电子到细胞迁移和分化的广泛应用中起着至关重要的作用。”

  经过培训后，这项技术几乎能在消费的人级计算机处理器上即时运行。这可以使机械师和检查员仅通过拍照即可诊断出机械的潜在问题。在未来的工作中，该团队计划使用更广泛的材料类型。“我真的认为这种方法将产生巨大的影响，” Buehler说。“我们大家都希望利用AI中为工程师赋能。”

  ×分享到微信朋友圈打开微信，点击底部的“发现”，使用“扫一扫”即可将网页分享至朋友圈。

  《静音》是一部 Netflix 电影。尽管 Netflix 过去一年在原创电影上的表现并不如预期，但是《静音》仍让人颇为期待

  最近，美国最大的经济研究机构——全国经济研究所（NBER，全美超过一半的诺奖经济学得主都曾是该机构的成员）发布了一份报告，全面分析了 1990 到 2007 年的劳动力市场情况。\n

  坏机器人制片公司最新的一部电影名为《霸主》（overlord），背景设置在二战时期，很可能是一部在半遮半掩中秘密制作的科洛弗电影系列。

  我们都知道，到处都在重启；我们也知道，如果有钱，啥都能重启。所以，会不会被重启算不上是个问题，只能问何时会被重启。自然而然地，世界各地的各种重启现象衍生出了一个有趣的猜猜游戏：哪一部老作品会是下一个接受这种待遇的？\n