آیکون خبر

خبر کامل

جهش بزرگ در ساخت جنگنده‌ها: هوش مصنوعی و آلیاژهای هوشمند بال‌ها را جمع می‌کنند

جهش بزرگ در ساخت جنگنده‌ها: هوش مصنوعی و آلیاژهای هوشمند بال‌ها را جمع می‌کنند

دانشمندان آمریکایی در حال دستیابی به فناوری‌های نوینی در حوزه ساخت هواپیماهای جنگنده هستند که می‌تواند عملکرد و کارایی این پرنده‌های نظامی را به طرز چشمگیری افزایش دهد. تمرکز اصلی این تحقیقات بر استفاده از آلیاژهای حافظه‌دار شکلی (SMA) با بهره‌گیری از هوش مصنوعی است.

جهش در فناوری بال‌های تاشو

یکی از کاربردهای کلیدی آلیاژهای حافظه‌دار شکلی، امکان تا کردن بال‌های هواپیماهای جنگی از طریق گرم و سرد شدن الکتریکی است. این قابلیت برای جنگنده‌هایی نظیر F/A-18 آمریکا که نیاز دارند در فضای محدود ناوهای هواپیمابر جای بگیرند، حیاتی است.

سامانه‌های کنونی مورد استفاده در جنگنده‌ها برای این منظور، از اجزای مکانیکی سنگین تشکیل شده‌اند. استفاده از آلیاژهای حافظه‌دار شکلی با دمای بالا (HTSMA) می‌تواند جایگزین این سامانه‌ها شده و منجر به کاهش وزن و افزایش بهره‌وری جنگنده‌ها شود. این امر به معنای امکان استقرار تعداد بیشتری جنگنده، سرعت بالاتر در عملیات و مصرف انرژی بهینه خواهد بود.

چالش هزینه و راهکار هوش مصنوعی

با وجود مزایای فراوان، آلیاژهای حافظه‌دار شکل تاکنون با مشکل هزینه بالای تولید و توسعه مواجه بوده‌اند. پژوهشگران گروه علوم و مهندسی مواد در دانشگاه Texas A&M معتقدند که ترکیب هوش مصنوعی با آزمایش‌های پرسرعت می‌تواند روند کشف مواد جدید را تسریع کرده و هزینه‌های توسعه را به میزان قابل توجهی کاهش دهد.

فرآیند سنتی طراحی مواد جدید نیازمند آزمودن هزاران ترکیب فلزی است که فرآیندی زمان‌بر و پرهزینه است. حتی تغییرات جزئی در ترکیب می‌تواند خواص ماده را دگرگون کند، از این رو یافتن ترکیب بهینه اغلب به آزمون و خطا وابسته است.

تیمی به سرپرستی پروفسور ابراهیم کارامان، رویکردی داده‌محور برای کشف مواد ابداع کرده‌اند. کارامان اظهار داشت: «این تحقیق نشان می‌دهد که می‌توان آلیاژهای دمای بالای بهتری را بدون تکیه بر آزمون و خطای پرهزینه، بلکه از طریق جست‌وجوی هدفمند و هوشمندانه بر اساس داده و فیزیک طراحی کرد.»

این گروه تحقیقاتی با استفاده از رایانه‌های قدرتمند، هوش ماشینی را با آزمایش‌های تجربی از طریق چارچوبی موسوم به بهینه‌سازی بیزی دسته‌ای (Batch Bayesian Optimization یا BBO) یکپارچه کرده‌اند. این چارچوب با به‌روزرسانی پیش‌بینی‌ها بر اساس نتایج آزمایش‌های پیشین، میزان هدررفت را کاهش داده و بهره‌وری کشف مواد را افزایش می‌دهد.

کاربردها و آینده جنگنده‌ها

کارامان می‌گوید: «این چارچوب نه‌تنها سرعت کشف مواد را افزایش می‌دهد، بلکه امکان طراحی آلیاژهایی برای کاربردهای خاص مانند کاهش اتلاف انرژی یا بهبود عملکرد عملگرها را نیز فراهم می‌کند.» هدف نهایی آن‌ها طراحی موادی است که در واکنش به گرما یا جریان برق، تغییر شکل دهند؛ موادی که به عنوان عملگر (Actuator) شناخته می‌شوند و مشابه کارکرد عضله برای ماشین‌ها عمل می‌کنند.

این عملگرها در صنایع مختلفی از جمله هوافضا، رباتیک و تجهیزات پزشکی کاربرد دارند. در صورت موفقیت کامل این تحقیقات، انتظار می‌رود جنگنده‌های ایالات متحده در آینده چابک‌تر و با عملکرد بالاتری عمل کنند.

نتایج این پژوهش در مجله معتبر Acta Materialia منتشر شده است.

شناسنامه خبر:

درباره هوش‌مصنوعی دست‌اول:

تمامی اخبار دست‌اول توسط دستیار هوش مصنوعی «هوشنگ» پردازش، صحت‌سنجی، خلاصه و بازنویسی شده است. هوشنگ هر روز با داده‌های جدید آموزش داده می‌شود و با نظارت دقیق انسانی و سردبیری دست‌اول در حال بهتر شدن است.
شما می‌توانید از چت‌بات و سایر ابزارهای هوشنگ به صورت رایگان استفاده کنید.

دسترسی رایگان به هوشنگ ↗