IA convierte imágenes de materiales 2D en estructuras 3D

Un nuevo algoritmo desarrollado en el Imperial College de Londres, Reino Unido, puede convertir imágenes 2D de materiales compuestos en estructuras 3D.

El algoritmo de aprendizaje automático podría ayudar a los científicos y fabricantes de materiales a estudiar y mejorar el diseño y la producción de materiales compuestos como electrodos de batería y piezas de aviones en 3D.

Utilizando datos de secciones transversales 2D de materiales compuestos, que se obtienen mediante la combinación de diferentes materiales con propiedades físicas y químicas distintas, el algoritmo puede expandir las dimensiones de las secciones transversales para convertirlas en modelos computarizados 3D. Esto permite a los científicos estudiar los diferentes materiales o «fases» de un material compuesto y cómo encajan.

La herramienta aprende cómo se ven las secciones transversales 2D de compuestos y las escala para que sus fases se puedan estudiar en un espacio 3D. En el futuro, podría utilizarse para optimizar los diseños de este tipo de materiales permitiendo a los científicos y fabricantes estudiar la arquitectura en capas de los compuestos.

Los investigadores encontraron que su técnica era más barata y más rápida que la creación de representaciones informáticas en 3D a partir de objetos físicos en 3D. También pudo identificar más claramente las diferentes fases dentro de los materiales, lo que es más difícil de hacer con las técnicas actuales.

Autor principal del artículo Steve Kench, Ph.D. estudiante del grupo de Herramientas para el aprendizaje, el diseño y la investigación (TLDR) de la Escuela de Ingeniería de Diseño Dyson de Imperial, dijo:

Combinar materiales como compuestos le permite aprovechar las mejores propiedades de cada componente, pero estudiarlos en detalle puede ser un desafío ya que la disposición de los materiales afecta fuertemente el rendimiento. Nuestro algoritmo permite a los investigadores tomar sus datos de imagen 2D y generar estructuras 3D con las mismas propiedades, lo que les permite realizar simulaciones más realistas.