{"id":129205,"date":"2021-04-09T13:22:59","date_gmt":"2021-04-09T18:22:59","guid":{"rendered":"https:\/\/insurgentepress.com.mx\/?p=129205"},"modified":"2021-04-09T13:22:59","modified_gmt":"2021-04-09T18:22:59","slug":"convierte-algoritmo-imagenes-de-materiales-compuestos-en-estructuras-3d","status":"publish","type":"post","link":"https:\/\/insurgentepress.mx\/index.php\/2021\/04\/09\/convierte-algoritmo-imagenes-de-materiales-compuestos-en-estructuras-3d\/","title":{"rendered":"Convierte algoritmo im\u00e1genes de materiales compuestos en estructuras 3D"},"content":{"rendered":"<p><a title=\"Enlace\" href=\"https:\/\/www.imperial.ac.uk\/news\/218873\/new-machine-learning-tool-converts-2d\/\" target=\"_blank\" rel=\"noopener noreferrer\">Agencias\/<\/a>Ciudad de M\u00e9xico.- Un nuevo algoritmo desarrollado en el Imperial College London permite convertir im\u00e1genes 2D de materiales compuestos en estructuras 3D.<\/p>\n<p>El algoritmo de aprendizaje autom\u00e1tico podr\u00eda ayudar a los cient\u00edficos y fabricantes de materiales a estudiar y mejorar el dise\u00f1o y la producci\u00f3n de materiales compuestos como electrodos de bater\u00eda y piezas de aviones en 3D.<\/p>\n<p>Utilizando datos de secciones transversales 2D de materiales compuestos, que se obtienen combinando diferentes materiales con propiedades f\u00edsicas y qu\u00edmicas distintas, el algoritmo puede expandir las dimensiones de las secciones transversales para convertirlas en modelos computarizados 3D. Esto permite a los cient\u00edficos estudiar los diferentes materiales o \u00abfases\u00bb de un material compuesto y c\u00f3mo encajan entre s\u00ed.<\/p>\n<p>La herramienta aprende c\u00f3mo 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, podr\u00eda utilizarse para optimizar los dise\u00f1os de este tipo de materiales permitiendo a los cient\u00edficos y fabricantes estudiar la arquitectura en capas de los compuestos.<\/p>\n<p>Los investigadores descubrieron que su t\u00e9cnica era m\u00e1s barata y m\u00e1s r\u00e1pida que la creaci\u00f3n de representaciones inform\u00e1ticas en 3D a partir de objetos f\u00edsicos en 3D. Tambi\u00e9n pudo identificar m\u00e1s claramente las diferentes fases dentro de los materiales, lo que es m\u00e1s dif\u00edcil de hacer con las t\u00e9cnicas actuales.<\/p>\n<p>Los hallazgos se publican en Nature Machine Intelligence.<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-medium\" src=\"https:\/\/www.imperial.ac.uk\/ImageCropToolT4\/imageTool\/uploaded-images\/0001_1617205489115_x2.jpg?r=9295\" width=\"1934\" height=\"626\" \/><\/p>\n<p>El autor principal del art\u00edculo, Steve Kench, estudiante de doctorado en el grupo de Herramientas para el aprendizaje, el dise\u00f1o y la investigaci\u00f3n (TLDR) de la Escuela de Ingenier\u00eda de Dise\u00f1o Dyson de Imperial, dijo en un comunicado: \u00abLa combinaci\u00f3n de materiales como compuestos le permite aprovechar las mejores propiedades de cada componente , pero estudiarlos en detalle puede ser un desaf\u00edo ya que la disposici\u00f3n de los materiales afecta en gran medida 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 m\u00e1s realistas \u00ab.<\/p>\n<p>Estudiar, dise\u00f1ar y fabricar materiales compuestos en tres dimensiones es actualmente un desaf\u00edo. Las im\u00e1genes 2D son baratas de obtener y brindan a los investigadores alta resoluci\u00f3n, amplios campos de visi\u00f3n y son muy buenas para diferenciar los diferentes materiales. Por otro lado, las t\u00e9cnicas de im\u00e1genes en 3D suelen ser caras y comparativamente borrosas. Su baja resoluci\u00f3n tambi\u00e9n dificulta la identificaci\u00f3n de diferentes fases dentro de un compuesto.<\/p>\n<p>Por ejemplo, los investigadores actualmente no pueden identificar materiales dentro de los electrodos de la bater\u00eda, que consisten en material cer\u00e1mico, aglutinantes polim\u00e9tricos de carbono y poros para la fase l\u00edquida, utilizando t\u00e9cnicas de imagen 3D.<\/p>\n<p>En este estudio, los investigadores utilizaron una nueva t\u00e9cnica de aprendizaje autom\u00e1tico llamada \u00abredes adversas generativas convolucionales profundas\u00bb (DC-GAN) que se invent\u00f3 en 2014.<\/p>\n<p>Este enfoque, en el que se crean dos redes neuronales para competir entre s\u00ed, es el n\u00facleo de la herramienta para convertir 2D a 3D. A una red neuronal se le muestran las im\u00e1genes 2D y aprende a reconocerlas, mientras que la otra intenta hacer versiones 3D \u00abfalsas\u00bb. Si la primera red mira todos los cortes 2D en la versi\u00f3n 3D \u00abfalsa\u00bb y cree que son \u00abreales\u00bb, entonces las versiones se pueden usar para simular cualquier propiedad de los materiales de inter\u00e9s.<\/p>\n<p>El mismo enfoque tambi\u00e9n permite a los investigadores ejecutar simulaciones utilizando diferentes materiales y composiciones mucho m\u00e1s r\u00e1pido de lo que era posible anteriormente, lo que acelerar\u00e1 la b\u00fasqueda de mejores compuestos.<\/p>\n<blockquote class=\"twitter-tweet\" data-width=\"550\" data-dnt=\"true\">\n<p lang=\"en\" dir=\"ltr\">New <a href=\"https:\/\/twitter.com\/hashtag\/MachineLearning?src=hash&amp;ref_src=twsrc%5Etfw\">#MachineLearning<\/a> tool converts 2D material images into 3D structures. <a href=\"https:\/\/t.co\/K1bn98z1Ud\">https:\/\/t.co\/K1bn98z1Ud<\/a><\/p>\n<p>&mdash; Carles Dijous (AAlb) (@carlesdijous) <a href=\"https:\/\/twitter.com\/carlesdijous\/status\/1379251259849506816?ref_src=twsrc%5Etfw\">April 6, 2021<\/a><\/p><\/blockquote>\n<p><script async src=\"https:\/\/platform.twitter.com\/widgets.js\" charset=\"utf-8\"><\/script><\/p>\n","protected":false},"excerpt":{"rendered":"<p>El algoritmo de aprendizaje autom\u00e1tico podr\u00eda ayudar a los cient\u00edficos y fabricantes de materiales a estudiar y mejorar el uso de datos de secciones transversales 2D de materiales compuestos, que se fabrican mediante la combinaci\u00f3n de diferentes materiales con propiedades f\u00edsicas y qu\u00edmicas distintas, el algoritmo puede expandir las dimensiones de las secciones transversales para convi\u00e9rtalos en modelos computarizados en 3D. Esto permite a los cient\u00edficos estudiar los diferentes materiales o \u00abfases\u00bb de un material compuesto y c\u00f3mo encajan entre s\u00ed. dise\u00f1o y producci\u00f3n de materiales compuestos como electrodos de bater\u00edas y piezas de aviones en 3D.<\/p>\n","protected":false},"author":1,"featured_media":129208,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[32,31],"tags":[],"class_list":["post-129205","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-portada","category-ciencia-tecnologia"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/posts\/129205","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/comments?post=129205"}],"version-history":[{"count":0,"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/posts\/129205\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/media\/129208"}],"wp:attachment":[{"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/media?parent=129205"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/categories?post=129205"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/tags?post=129205"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}