Un réseau de neurones qui sent les tensions dans les pièces de toutes formes express
Concevoir des machines, c'est un peu comme faire de la pâtisserie : il faut savoir exactement où la pâte va se déchirer. Les anciens calculs informatiques vérifient chaque point de la pièce pendant des heures — comme si on mesurait toute la casserole pour être sûr que l'anse ne se détache pas. Le nouveau réseau de neurones regarde la pièce comme un maillage de points, tel un cuisinier expérimenté qui sent d'un coup d'œil comment la chaleur se répartira dans n'importe quelle poêle. À l'instar de la spectroscopie, qui décompose la lumière en couleurs, il décompose les tensions et révèle les points faibles.
Contrairement aux anciennes méthodes d'apprentissage automatique, qui se perdaient quand la forme changeait (la précision chutait à 1 %), ce réseau comprend l'essence de la structure. Peu importe les rotations, les déplacements ou le matériau — fibre de carbone, acier — le principe fonctionne pareil. La précision atteint 97 % en une fraction de seconde. Le plus étonnant, c'est que le réseau ne connaît pas la physique : il est simplement entraîné sur des exemples, comme un cuisinier qui sent, sans manuel, où la pâte va se déchirer.
Quand l'entropie augmente — l'incertitude due aux formes complexes — les anciennes méthodes donnent des prédictions chaotiques, tandis que le réseau de neurones ne fait que perdre un peu en précision. Cette approche pourrait devenir le modèle standard pour l'analyse rapide de la résistance.
Les trous dans les pièces sont les endroits les plus dangereux : c'est autour d'eux que les fissures commencent le plus souvent. Les ingénieurs appellent cela la « concentration de contraintes ».
Dans les films de science-fiction, l'IA crée instantanément les plans des vaisseaux. Une approche similaire existe déjà : le réseau de neurones prédit la résistance en quelques secondes.