راهی برای بازسازی سه‌بعدی ریزساختار مواد کامپوزیتی

پژوهشگران دانشگاه تهران با ارائه یک روش آماری دومرحله‌ای و ترکیب الگوریتم‌های هوشمند، موفق به توسعه روشی برای بازسازی سه‌بعدی ریزساختار مواد کامپوزیتی شدند؛ روشی که با استفاده از حداقل دو تصویر دوبعدی متعامد، امکان تولید مدل‌های سه‌بعدی واقع‌گرایانه از ساختار داخلی مواد را فراهم می‌کند و نتایج آن در ژورنال معتبر Advanced Composites and Hybrid Materials با ضریب تأثیر ۱۵.۵ منتشر شده است.

به گزارش سینا پرس، پژوهشگران دانشگاه تهران موفق به توسعه روشی جدید برای بازسازی سه‌بعدی ریزساختار مواد پیشرفته شدند که می‌تواند محدودیت‌های روش‌های سنتی تصویربرداری و برخی الگوریتم‌های مبتنی بر هوش مصنوعی را برطرف کند. این دستاورد پژوهشی با هدف مدل‌سازی دقیق ساختار داخلی مواد، به‌ویژه کامپوزیت‌های چندفازی و ناهمسانگرد، به دست آمده و نتایج آن در نشریه علمی Advanced Composites and Hybrid Materials با ضریب تأثیر ۱۵.۵ به انتشار رسیده است.

مجید بنی‌اسدی، استاد دانشگاه تهران و سرپرست تیم تحقیقاتی این پژوهش، درباره اهمیت این دستاورد گفت: «در دنیای پیشرفته مهندسی مواد، درک و مدل‌سازی دقیق ساختار داخلی مواد، به‌ویژه کامپوزیت‌های چندفازی و ناهمسانگرد، امری حیاتی برای بهینه‌سازی عملکرد و پیش‌بینی رفتار آن‌هاست. این پژوهش که با همکاری گروهی از نخبگان دانشگاهی انجام شده است گامی بزرگ و راهبردی در این راستا محسوب می‌شود.»

استاد دانشکدگان فنی دانشگاه تهران با اشاره به چالش‌های موجود در تحلیل مواد کامپوزیتی افزود: یکی از مشکلات اصلی در این حوزه، محدودیت میکروتوموگرافی در سه‌بعدی‌سازی برخی ریزساختارهاست. از سوی دیگر، روش‌های سنتی تصویربرداری معمولاً هزینه‌بر و زمان‌بر هستند یا محدودیت‌های فنی دارند. الگوریتم‌های مبتنی بر هوش مصنوعی نیز برای دستیابی به نتایج مطلوب به حجم زیادی از داده‌های آموزشی و توان محاسباتی بالا نیاز دارند.

در پاسخ به این محدودیت‌ها، تیم تحقیقاتی دانشگاه تهران یک روش بازسازی آماری دومرحله‌ای ارائه کرده است که با استفاده از حداقل دو تصویر دوبعدی متعامد، امکان تولید مدل‌های سه‌بعدی واقع‌گرایانه و ناهمسانگرد از مواد را فراهم می‌کند.

بنی‌اسدی درباره ویژگی‌ها و نوآوری‌های این روش توضیح داد: «هسته مرکزی این نوآوری، تلفیق الگوریتم‌های اتوماتای سلولی، مونت‌کارلو و کلونی است که به‌دقت مورفولوژی فازها، کسر حجمی و به‌ویژه پدیده‌هایی نظیر انباشتگی، خوشه‌بندی و تجمع ذرات را شبیه‌سازی می‌کند. یکی از دستاوردهای شاخص این پژوهش، توسعه یک بسته نرم‌افزاری اختصاصی برای سه‌بعدی‌سازی ریزساختارها است که ابزاری قدرتمند برای محققان و مهندسان فراهم می‌آورد تا بتوانند ساختارهای پیچیده مواد را به طور رایانه‌ای بازسازی کنند.»

وی با اشاره به اعتبارسنجی نتایج پژوهش افزود: «علاوه بر جنبه‌های تئوری و نرم‌افزاری، این پژوهش دارای صحت‌سنجی تجربی با جزئیات فراوان است. مقایسه نتایج عددی به دست‌آمده با داده‌های حاصل از آزمایش‌های دقیق فیزیکی روی نمونه‌های واقعی، تطابق بسیار بالایی را نشان داد که اعتبار و دقت روش توسعه‌یافته را به اثبات می‌رساند.»

سرپرست این تیم تحقیقاتی همچنین درباره کاربردهای این دستاورد گفت: «در مجموع، این پژوهش با ارائه یک متدولوژی دقیق و کاربردی، نیازمندی به مدل‌های پرهزینه آزمایشی را کاهش داده و ابزاری کارآمد برای بازسازی و طراحی مواد پیشرفته در صنایع مختلف فراهم کرده است؛ دستاوردی که نشان‌دهنده توانمندی بالای پژوهشگران دانشگاه تهران در مرزهای دانش ریزساختار مواد است.»

بر اساس اطلاعات ارائه‌شده، دستاوردهای تحقیقاتی مرتبط با این پژوهش تاکنون در بیش از ۲۰ ژورنال معتبر ISI و سه کتاب بین‌المللی منتشر شده است؛ آثاری که پشتوانه علمی این فعالیت پژوهشی را تشکیل می‌دهند.

این تحقیق با سرپرستی مجید بنی‌اسدی و مشارکت قادر فرجی و مصطفی باغانی، اعضای هیأت علمی دانشگاه تهران، همچنین محمد صفایی و همایون صفاحی، دانشجویان دکتری، انجام شده است.

به نقل از ایرنا، نتایج کامل این پژوهش در نشریه Advanced Composites and Hybrid Materials منتشر شده و از طریق آدرس https://link.springer.com/article/۱۰.۱۰۰۷/s42114-۰۲۶-۰۲۱۶۷-x در دسترس علاقه‌مندان و پژوهشگران قرار دارد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا