麻省理工學院的科學家們利用深度學習開發了一種技術，通過表面觀察來確定材料的內部結構。這種基於人工智能的方法為各學科的材料檢測提供了一種成本較低的非侵入性替代方法，甚至在材料未被完全理解的情況下也適用。這種方法可以徹底改變從飛機檢查到醫療診斷的一切。

通常我們無法從封面上看完一本書，但是根據麻省理工學院的研究人員，你現在可能能夠對各種材料做同樣的檢查，從飛機零件到醫療植入物。他們的新方法使工程師們能夠僅僅通過觀察材料表面的屬性來弄清楚內部發生了什麼。

該團隊使用一種被稱為深度學習的機器學習來比較關於材料的外部力場和相應的內部結構的大量模擬數據，並利用這些數據生成一個能夠從表面數據對內部進行可靠預測的系統。

該成果發表在《先進材料》雜誌上，由博士生楊振澤和土木與環境工程教授Markus Buehler撰寫的論文。

“這是工程中一個非常常見的問題，”Buehler解釋說。”如果你有一塊材料–也許是汽車上的一扇門或飛機上的一塊–你想知道該材料的內部情況，你可能會通過拍攝圖像和計算有多少變形來測量表面的應變情況。但你不能真正看清材料的內部。你唯一能做的是通過切割它，然後看裡面，觀察裡面是否有任何形式的損壞。”

新方法的一個潛在應用是無損檢測；例如，你不再需要打開一個金屬管道就可以檢測缺陷。

他說：”使用X射線和其他技術也是可能的，但這些往往是昂貴的，需要笨重的設備。因此，我們所做的基本上是提出了一個問題： 我們能不能開發一種人工智能算法，可以看看表面發生了什麼，我們可以很容易地使用顯微鏡或拍照看到，或者也許只是測量材料表面的東西，然後試圖弄清楚內部實際發生了什麼？這種內部信息可能包括材料中的任何損壞、裂縫或應力，或其內部微觀結構的細節。”

他補充說，同樣的問題也可以適用於生物組織。”那裡是否有疾病，或者組織中的某種生長或變化？我們的目標是開發一個能夠以完全無創的方式回答這類問題的系統。”

Buehler說，實現這一目標需要解決複雜的問題，包括”許多這樣的問題有多種解決方案”這一事實。例如，許多不同的內部配置可能表現出相同的表面特性。為了處理這種模糊性，”我們創造了一些方法，可以給我們提供所有的可能性，所有的選擇，基本上，可能會導致這種特定的[表面]情況。”

他們開發的技術涉及使用關於表面測量和與之相關的內部屬性的大量數據訓練一個人工智能模型。這不僅包括統一的材料，還包括不同材料組合的材料。”一些新的飛機是由複合材料製成的，所以它們有刻意的設計，有不同的階段，”Buehler說。”當然，在生物學中也是如此，任何一種生物材料都是由多種成分組成的，它們具有非常不同的特性，比如在骨骼中，你有非常柔軟的蛋白質，然後你有非常堅硬的礦物物質。”

這種技術甚至對那些複雜程度不完全了解的材料也有效。”對於復雜的生物組織，我們並不確切了解它的行為方式，但我們可以測量其行為。我們沒有這方面的理論，但如果我們有足夠的數據收集，我們可以訓練模型。”

其開發的觀察方法是廣泛適用的。”它不僅僅局限於固體力學問題，還可以應用於不同的工程學科，如流體力學和其他類型。”Buehler補充說，它可以應用於確定各種屬性，不僅僅是應力和應變，還有流體場或磁場，例如聚變反應堆內的磁場。它”非常通用，不僅適用於不同的材料，也適用於不同的學科”。

最初開始考慮這種方法時是在研究一種材料的數據時，他們所使用的部分圖像是模糊的，研究人員想知道如何可能”填補”模糊區域的缺失數據的空白。”我們如何才能恢復這些缺失的信息？”進一步研究後，發現這通常會是一個普遍存在的問題的例子，被稱為逆向問題，即試圖恢復缺失的信息。

開發該方法涉及一個迭代過程，讓模型進行初步預測，與有關材料的實際數據進行比較，然後進一步微調模型以匹配這些信息。由此產生的模型針對那些對材料有足夠了解從而能夠計算出真正的內部屬性的情況進行了測試，新方法的預測與這些計算出的屬性相吻合。

訓練數據包括表面的圖像，但也包括各種其他類型的表面屬性測量，包括應力、電場和磁場。在許多情況下，研究人員根據對特定材料的基本結構的理解，使用模擬數據。而且，即使當一種新材料有許多未知的特性時，該方法仍然可以產生一個近似值，足以為工程師提供一個大方向的指導，即如何進行進一步測量。

作為如何應用這種方法的一個例子，Buehler指出，今天，飛機經常通過用昂貴的方法（如X射線）測試一些有代表性的區域來進行檢查，因為測試整架飛機是不現實的。”這是一種不同的方法，你有一種成本更低的方法來收集數據並進行預測，”Buehler說。”從中你可以做出決定，你想去哪裡看，也許會使用更昂貴的設備來測試。”

這種通過GitHub網站免費提供給任何人使用的方法將主要應用於實驗室環境，例如測試用於軟機器人應用的材料。

對於這類材料，他說：”我們可以測量表面的東西，但我們不知道材料內部發生了什麼，因為它是由水凝膠或蛋白質或生物材料製成的執行器，而且沒有這方面的理論。因此，這是一個研究人員可以利用我們的技術對內部情況進行預測的領域，也許可以設計出更好的抓取器或更好的複合材料，”他補充說。