Специалисты Пермского национального исследовательского политехнического университета (ПНИПУ) разработали инновационную нейросеть, которая умеет изобретать новые материалы для различных технологических целей. Ранее такие способности присущи искусственному интеллекту не были, сообщили в пресс-службе вуза ТАСС.
Инженер-исследователь Евгений Кононов рассказа, что созданный нейросетевой алгоритм не просто повторяет или смешивает известные образцы, а способен создавать новые решения. Более того, он делает это не случайно, а системно — все возможные варианты автоматически структурируют в упорядоченное цифровое пространство, где подобные структуры расположены рядом. Это значительно облегчает поиск и сравнение решений, что ранее было практически невозможно.
Для разработки новых материалов ученые рассматривают генеративно-состязательные сети (GAN) как наиболее перспективный инструмент. Это особая архитектура ИИ, где две нейросети работают совместно: одна (генератор) создаёт новые предложения структур, а вторая (дискриминатор) оценивает их реалистичность. Такое взаимодействие позволяет системе учиться создавать всё более точные и эффективные конструкции.
Пермские исследователи усовершенствовали этот подход, создав первую в мире трёхмерную версию архитектуры StyleGAN2. В отличие от прежних систем, работающих с изображениями, новая нейросеть способна генерировать сложные объёмные структуры. Важнейшее достижение — формирование «пространства дизайна», где параметры можно плавно менять, получая структурированные, функционирующие образцы.
Обучение модели проходило на базе около 5 тысяч моделей пористых материалов — одних из самых сложных в проектировании. В ходе анализа нейросеть усвоила принципы формирования их внутренней архитектуры: распределение твердых и пустотных областей, узлы соединений и характерные особенности. Этот этап заложил основу для понимания внутренней структуры материалов.
Затем для оптимизации использовали генетический алгоритм, основанный на принципе естественного отбора. Он последовательно оценивает и сравнивает варианты структур по ключевым критериям — прочности и плотности. На финальном этапе система выявляет предельные решения: например, наиболее прочную структуру с заданной лёгкостью или самую облегчённую при заданной прочности.
Как подчеркнули в университете, проведённые испытания подтвердили высокую эффективность разработки. Созданные 3D-структуры из микроструктур превзошли по характеристикам аналоги из базы данных, увеличив жёсткость на 15–20% при одинаковой плотности.
