Malzeme Dijital Yönetim Merkezi’nden Dr. Se-Jong Kim ve Dr. Juwon Na liderliğindeki bir araştırma ekibi, POSTECH’ten Profesör Seungchul Lee liderliğindeki bir araştırma ekibiyle birlikte, döngü içinde insan makine öğrenimi yoluyla mikroskobik görüntülerden malzeme mikrostrüktürünü otomatik olarak tanımlayabilen ve ölçebilen bir teknoloji geliştirdi.
Araştırma sonuçları 15 Ağustos’ta Acta Materialia‘da yayımlandı.
Mikroskobik görüntüleme sistemleri, nano ölçekten mezo ölçeğe kadar birçok seviyede malzeme yapısı bilgisini görselleştirir. Mikrostrüktürün kantitatif analizi, mikroskobik görüntülerden strüktürel istatistiklerin çıkarılması işlemidir. Bununla birlikte, mikrostrüktürün karmaşıklığı ve çeşitliliği nedeniyle, insanların veya yapay zekanın bunu tek başına gerçekleştirmesi için birçok sınırlama olmuştur.
Araştırma ekibi, insan ve AI yeteneklerini etkin bir şekilde entegre ederek, kantitatif mikrostrüktür analizi için entegre bir çerçeve geliştirmiştir. Bu teknoloji, yapay zekanın yalnızca tek bir mikrostrüktür görüntüsü ve alan uzmanları tarafından scribble kullanılarak mikrostrüktür segmentasyonu gerçekleştirmesini sağlar. Buna ek olarak, AI, hem modelin performansında hem de güvenilirliğinde ek iyileştirmeler sağlamak için uzmanlardan aktif olarak karalama açıklaması talep ederek insanlarla etkileşime giriyor.
Araştırma ekibi, kapsamlı deneyler aracılığıyla insan-AI işbirliğinin evrensel olduğunu ve çok çeşitli malzemelere, mikrostrüktürlere ve mikroskobik görüntüleme sistemlerine uygulanabileceğini doğruladı.
Daha önceki araştırmalar, büyük miktarda yoğun etiketleme gerektirdiği için, bu çalışma, yoğun etiketlemeyi kolayca bir kalem veya fare kullanarak scribble ile değiştirerek etiketleme maliyetlerini büyük ölçüde azaltmıştır. Bu teknoloji, KIMS tarafından geliştirilen Otomatik Mikroyapı Nicel Analiz Sistemi (TIMs) içine dahil edilecektir. Bu,araştırmacıların kolayca kullanmasını sağlayacaktır.
KIMS’de kıdemli bir araştırmacı olan Dr. Juwon Na, “Bu çalışma, mikrostrüktürün mevcut öznel ve zaman alıcı nicel analizinin nesnel ve otomatik bir sürece dönüştürülmesinin sonucudur” dedi.
POSTECH’ten Profesör Seungchul Lee ise şunları ekledi: “Uzmanlarla etkileşime giren sistemimizin endüstri ve araştırmada temel bir analiz teknolojisi olarak yaygın bir şekilde kullanılması bekleniyor ve bu sayede yeni malzeme araştırma ve geliştirmenin maliyetini ve süresini önemli ölçüde azaltmayı ve güvenilirliği daha da önemli ölçüde artırmayı umuyoruz.” [1]Easier and faster materials microstructure analysis through human-AI collaboration
[cite]
Kaynaklar ve İleri Okuma
| ↑1 | Easier and faster materials microstructure analysis through human-AI collaboration |
|---|
