ვაშინგტონის სახელმწიფო უნივერსიტეტის (WSU) მკვლევრებმა ხელოვნური ინტელექტის დახმარებით მნიშვნელოვნად შეამცირეს იმ პარამეტრების ძიება, რომლებიც საჭიროა NASA-ს რთულად დასაბეჭდი სარაკეტო შენადნობის 3D-ბეჭდვისთვის — 100 მილიონზე მეტი შესაძლო კომბინაციიდან სულ 40 საცდელ ბეჭდვამდე. ეს ნაშრომი გუნდმა AAAI-ის ხელოვნური ინტელექტის კონფერენციაზე წარადგინა, სადაც მან მიიღო Innovative Deployed Application Award — პრაქტიკაში დანერგილი ინოვაციური აპლიკაციის ჯილდო.
შენადნობი GRCop-42 არის სპილენძის, ქრომისა და ნიობიუმის ნაერთი, რომელიც NASA-მ შეიმუშავა იმ დეტალებისთვის, რომლებმაც უნდა გაუძლონ უკიდურეს სიცხეს — მაგალითად, თხევადსაწვავიანი სარაკეტო ძრავების წვის კამერებს. მას კარგი თბოგამტარობა და მაღალი გამძლეობა აქვს ძლიერი თერმული დატვირთვის პირობებშიც, თუმცა მისი საიმედო ბეჭდვა აქამდე მხოლოდ სპეციალიზებულ, მაღალი სიმძლავრის მოწყობილობებზე იყო შესაძლებელი: მკვლევართა თქმით, კომერციული 3D პრინტერების დაახლოებით 90% ამ შენადნობისგან გამოსადეგ დეტალს ვერ ბეჭდავს.
37 წარუმატებელი ცდა — სამუშაო რეცეპტად
გუნდს ხელმძღვანელობდნენ კომპიუტერულ მეცნიერებათა პროფესორი ჯანა დოპა და დოქტორანტი აზა ფადჰელი. მათ შექმნეს AI სისტემა, რომელმაც ანალიზი 37 წინა წარუმატებელი ცდიდან დაიწყო და ამის საფუძველზე შეაფასა, პრინტერის რომელი გამოუცდელი პარამეტრები — ლაზერის სიმძლავრე, სიჩქარე და სხვა — იქნებოდა წარმატებული. შემთხვევითი ტესტირების ნაცვლად, მოდელმა შეარჩია ექსპერიმენტების მცირე ჯგუფები ისე, რომ ერთდროულად შეემოწმებინა როგორც პერსპექტიული პარამეტრები, ისე ის კონფიგურაციები, რომლებშიც ყველაზე ნაკლებად იყო დარწმუნებული — და ყოველი ბეჭდვის შემდეგ თავის შეფასებებს ხვეწდა.
სამი თვისა და 40 ექსპერიმენტის ბიუჯეტში გუნდმა იპოვა ექვსი სამუშაო კონფიგურაცია, მათ შორის ერთი, რომელმაც წარმატებით იმუშავა რეკორდულად დაბალ, 500 ვატიან სიმძლავრეზეც — ჩვეულებრივი კომერციული მოწყობილობებისთვისაც ხელმისაწვდომ დიაპაზონში. მკვლევართა თქმით, ერთი საბეჭდი ციკლი ასობით დოლარი ჯდება და შედეგის ხარისხის შეფასებას რამდენიმე დღე სჭირდება — სწორედ ამიტომაა მნიშვნელოვანი ეფექტური საძიებო სტრატეგია.
„კომერციული პრინტერების 90% ამ ლითონის შენადნობს ვერ ბეჭდავს, ამიტომ, რაკი ჩვენ ეს გამოსადეგი პარამეტრები ვიპოვეთ, ეს საშუალებას გვაძლევს, სწორედ ეს ჩვეულებრივი კომერციული პრინტერები გამოვიყენოთ, — თქვა დოპამ. — ფაქტობრივად, ჩვენ ამ შენადნობის ბეჭდვას ვხდით ყველასთვის ხელმისაწვდომს“.
არა მხოლოდ სარაკეტო დეტალებისთვის
გუნდში, რომელშიც ასევე შედიოდნენ მკვლევრები WSU-ს მექანიკისა და მასალათმცოდნეობის სკოლიდან და მინესოტას უნივერსიტეტიდან, აცხადებენ, რომ იგივე მიდგომის მორგება სხვა შენადნობებსა და დანამატური წარმოების სისტემებზეც შესაძლებელია, ასევე — უფრო ფართოდ, იმ სამეცნიერო ამოცანებზე, სადაც წარმატება იშვიათია და თითოეული ექსპერიმენტი ძვირი ჯდება. ეს მიდგომა მეცნიერებაში AI-ის გამოყენების მზარდი მიმართულების ნაწილია, რომლის მიზანია ლაბორატორიული სამუშაოს დაჩქარება და არა მისი ჩანაცვლება. იმის შესახებ, თუ როგორ ეხმარება ხელოვნური ინტელექტი მკვლევრებს ლაბორატორიებში, მეტი წაიკითხეთ ჩვენს სტატიაში რა შეუძლია AI-ს მკვლევრებისთვის — თუმცა ცალკე კვლევამ ცოტა ხნის წინ აჩვენა, რომ დღევანდელ მოდელებს ჯერ კიდევ უჭირთ გამოქვეყნებული კვლევითი იდეების უკან არსებული მსჯელობის აღდგენა. აღმოჩენამ შესაძლოა ხარჯები შეუმციროს უნივერსიტეტებს, მცირე ლაბორატორიებსა და საჰაერო-კოსმოსური ინდუსტრიის მომწოდებლებს, რომლებიც მუშაობენ NASA-ს მიერ შექმნილ მასალებთან, რომლებიც აქამდე მხოლოდ სპეციალიზებულ საწარმოებში იყო ხელმისაწვდომი.