🔬 NeFTY восстанавливает 3D-структуру материалов по температуре — нейросети меняют дефектоскопию

🔬 NeFTY восстанавливает 3D-структуру материалов по температуре — нейросети меняют дефектоскопию

Нейросети научились «видеть» сквозь металл и композиты, используя только тепловой след. Исследователи представили NeFTY — фреймворк, который восстанавливает внутренние дефекты материалов, анализируя изменение температуры на их поверхности.

Раньше для этого использовали PINNs (Physics-Informed Neural Networks — нейросети, куда законы физики вписаны через функцию потерь), но они плохо справлялись с динамическим нагревом из-за «жесткости» градиентов. NeFTY работает иначе: он описывает свойства материала как непрерывное нейронное поле, а физику процесса учитывает через дифференцируемый солвер. Это позволяет соблюдать законы термодинамики не как «пожелание» в лоссе, а как жесткое ограничение.

Подход «сначала дискретизируй, потом оптимизируй» позволил обойти проблему спектрального смещения, когда модель видит только крупные детали и игнорирует мелкие трещины

В экспериментах метод показал ЗНАЧИТЕЛЬНО более точную локализацию скрытых дефектов по сравнению с классической томографией. Для инженеров это означает возможность проводить неразрушающий контроль объектов любой сложности на произвольных масштабах.

Это отличный пример того, как дифференцируемая физика (физические симуляции, через которые можно прокидывать градиенты) в связке с нейросетями заменяет тяжеловесные численные методы, делая промышленный анализ быстрее и точнее.

#AI #Research #Physics #NeFTY

🔗 Neural Field Thermal Tomography: A Differentiable Physics Framework for Non-Destructive Evaluation