Une équipe de recherche de l’Université métropolitaine d’Osaka a développé une nouvelle méthode de simulation qui prédit avec précision le mélange de poudres à l’aide de l’IA et a réussi à augmenter la vitesse de calcul d’environ 350 fois tout en conservant le même niveau de précision que les méthodes conventionnelles. Cette méthode devrait non seulement ouvrir la voie à des processus de mélange de poudres plus efficaces et précis, mais également ouvrir de nouvelles possibilités aux industries cherchant à améliorer la qualité des produits et à rationaliser la output.
Les simulations numériques utilisant la méthode des éléments discrets (DEM) ont été largement utilisées comme approche permettant de prédire avec précision le mélange de poudres. Ceci est réalisé en calculant le mouvement de toutes les particules dans un intervalle de temps très court (1/1 000 000 de seconde), en calculant le mouvement de la poudre entière à l’aide des valeurs calculées, puis en répétant le processus encore et encore pour calculer le mouvement. de chaque particule peu de temps à l’avance. Par conséquent, le temps considérable nécessaire pour prédire le mélange de poudres entrave considérablement la possibilité de disposer de processus de mélange de poudres à grande échelle et de longue durée.
Une équipe de recherche dirigée par le professeur agrégé Hideya Nakamura, le professeur agrégé Shuji Ohsaki, le professeur Satoru Watano et le Ph.D. L’étudiant Naoki Kishida de la Graduate School of Engineering de l’Université métropolitaine d’Osaka a développé une nouvelle méthode de simulation utilisant l’IA. De in addition, l’équipe a réussi à augmenter la vitesse de calcul d’environ 350 fois. Cette nouvelle méthode se caractérise par l’utilisation d’un réseau neuronal récurrent (RNN) qui permet une simulation de mélange de poudres à extended terme avec de faibles coûts de calcul tout en conservant le même niveau de précision que les méthodes conventionnelles.
« Nous avons réussi à exploiter nos connaissances en technologie des poudres, que nous avons perfectionnées au fil de nombreuses années, et à les combiner avec l’apprentissage automatique pour prédire rapidement le comportement special de poudres complexes », a expliqué le professeur Nakamura. « Nous aimerions tirer parti de cette réussite pour contribuer à l’avenir des industries cherchant à améliorer la qualité des produits et à rationaliser la generation. »
