МОСКВА, 8 ноя — РИА Новости. Ученые Санкт-Петербургского политехнического университета Петра Великого (СПбПУ) разработали нейросеть для 3D-печати металлических изделий. Как пояснили РИА Новости в Медиа-центре СПбПУ, математическое моделирование для 3D-печати требует чрезмерно высоких вычислительных мощностей, и даже для простейших деталей расчеты ведутся неделями. По мнению экспертов, нейросеть, обученная на большом количестве параметров, позволяет не только быстрее добиваться результата в виде одной готовой детали, но и использовать найденные с ее помощью зависимости для печати последующих.
Ученые построили нейросеть в программной среде Matlab. Все данные попадали в сеть путем ручного ввода. В настоящее время разработано устройство для автоматического сбора массива технологических параметров печати, но массив пока обрабатывается в режиме оффлайн.
Как заявляют разработчики, следующим шагом будет создание онлайн-системы, которая сможет использовать непрерывно обучающуюся нейросеть: технологические параметры будут попадать в сеть автоматически, а подстройка этих параметров будет происходить непосредственно в процессе печати. По мнению ученых, это позволит не только повысить качество выращивания, но и увеличить скорость разработки параметров процесса для новых деталей.
В настоящее время нейросеть уже применяется для оценки качественных параметров выращенных изделий (насколько стабильно проходил процесс наплавки, корректно ли плавился металл, переносился на изделие и пр.). Кроме того, с помощью этой нейросети были разработаны стабильные режимы печати, использованные для выращивания топа мачты.
Коллектив ученых СПбПУ уже подал заявку на регистрацию интеллектуальной собственности. "Мы стали первыми, кто применил нейросеть в области электродугового выращивания",– подчеркнул Олег Панченко. Однако общие тенденции увеличения темпов распространения нейросетей в различных областях деятельности, по его мнению, не обойдут стороной все аддитивные технологии.
Как полагают разработчики, в будущем с использованием подобных подходов возможно создание автоматизированных комплексов, которые будут самообучаться и улучшать качество изделий без участия человека.