Physics-informed deep learning for virtual crystallographic phase and grain orientation reconstruction of additively manufactured alloys

تخيل أنك محقق يحاول حل لغز، لكن دليلكم الوحيد هو رسم تخطيطي باهت باللونين الأبيض والأسود لمسرح الجريمة. أنت تعلم أن المشتبه بهم يختبئون في الظلال، لكن الرسم لا يظهر وجوههم، ولا ملابسهم، ولا حتى الاتجاه الذي ينظرون إليه. هذا هو الصراع اليومي للعلماء الذين يدرسون المعادن المصنوعة بواسطة الطابعات ثلاثية الأبعاد. يستخدم هؤلاء العلماء أداة قوية تسمى المجهر الإلكتروني الماسح (SEM) لالتقاط صور فائقة الدقة وعالية الوضوح لأسطح المعادن. تُظهر هذه الصور "تضاريس" المعدن — تلاله، ووديانه، وتشققاته. ومع ذلك، لفهم مدى قوة أو مرونة المعدن حقًا، يحتاج العلماء إلى معرفة "روحه" الداخلية: الترتيب الدقيق لذراته والاتجاه الذي تشير إليه بلوراته. عادةً، يتطلب الحصول على هذه المعلومات أداة أخرى أبطأ وأصعب بكتمال، وهي حيود تشتت الإلكترونات المرتدة (EBSD). ولكن هنا تكمن المشكلة؛ فعملية الطباعة ثلاثية الأبعاد السريعة والمشتعلة غالبًا ما تعبث بالبنية الداخلية للمعدن لدرجة تجعل أداة الـ EBSD ترتبك، وتنتج بيانات ضبابية وغير قابلة للقراءة. الأمر يشبه محاولة قراءة كتاب حيث الصفحات مجعدة والحبر ملطخ.

لسنوات، حاول العلماء استخدام برامج الكمبيوتر لتخمين البنية الداخلية بمجرد النظر إلى صور السطح. لكن هذه البرامج تشبه الطلاب الذين يحفظون الإجابات فقط دون فهم الرياضيات؛ فهي غالبًا ما تنتج صورًا تبدو جميلة ولكنها خاطئة علميًا. قد ترسم حدودًا بلورية في مكان لا يمكن للفيزياء أن تسمح بوجوده، أو تعطي بلورة "لونًا" خاطئًا (الذي يمثل اتجاهها). تقدم هذه الورقة نوعًا جديدًا من المحققين: ذكاء اصطناعي لا يكتفي بالتخمين فحسب، بل يتبع القوانين الصارمة للفيزياء وعلم البلورات ككتاب قواعد. من خلال تعليم هذا الذكاء الاصطناعي هذه القواعد، يمكن للباحثين تحويل صورة بسيطة قياسية باللونين الأبيض والأسود لمعدن مطبوع ثلاثي الأبعاد إلى خريطة ملونة ومفصلة لعالمه الذري الداخلي، حتى عندما يكون المعدن فوضويًا ومشوهًا.

سحر المحقق "المستند إلى الفيزياء"

قام الباحثون، بقيادة "تشوهان كاو" وزملاؤه من جامعة تسينغوا وجامعة نيو ساوث ويلز، بتطوير نظام ذكي يسمونه PI-CycleGAN. فكر في هذا النظام كآلة ترجمة مكونة من ثلاث خطوات تحول صورة سطح بسيطة إلى خريطة بلورية معقدة.

الخطوة 1: قراءة التضاريس
أولاً، ينظر الذكاء الاصطناعي إلى صورة قياسية باللونين الأبيض والأسود التقطها مجهر إلكتروني. في هذه الصور، يبدو المعدن كخريطة طبوغرافية ذات مرتفعات ومنخفضات. مهمة الذكاء الاصطناعي هي تحديد أماكن "الحبيبات" (البلورات الفردية التي تشكل المعدن). في العالم المثالي، قد يقوم الذكار الاصطناعي بمجرد التخمين، لكن الباحثين علموه احترام قواعد الطريق. لقد أضافوا "قيودًا فيزيائية" تجبر الذكاء الاصطناعي على إبقاء الخطوط بين الحبيبات سلسة ومستمرة، تمامًا كما تتصرف حدود البلورات الحقيقية. إنه يشبه قولك للذكاء الاصطناعي: "يمكنك رسم الخطوط، لكن لا يمكنك جعلها متعرجة أو كسر قوانين الهندسة". النتيجة هي خريطة "تباين النطاق" (Band Contrast) عالية الجودة، وهي في الأساس نسخة أكثر وضوحًا وتفصيلًا من الصورة الأصلية تبرز بنية الحبيبات.

الخطوة 2: تحديد طاقم العمل
بعد ذلك، يأخذ الذكاء الاصطناعي خريطة الحبيبات الواضحة ويسأل: "ما نوع المادة التي تتكون منها كل حبيبة؟". في المعادن المطبوعة ثلاثية الأبعاد، يمكن أن تتكون أجزاء مختلفة من أطوار مختلفة (مثل أنواع مختلفة من الجليد في عاصفة ثلجية). يستخدم الذكاء الاصطناعي نهجًا "مستندًا إلى الطور". فهو ينظر إلى الوصفة العامة للمعدن (كم يجب أن يوجد من كل نوع) ويضمن عدم قيام الذكاء الاصطناعي باختراع مكونات جديدة أو نسيان المكونات الموجودة. إنه يجبر الذكاء الاصطناعي على الحفاظ على النسب الصحيحة، مما يضمن أنه إذا كان من المفترض أن يكون المعدن بنسبة 90% من نوع واحد و10% من نوع آخر، فإن الخريطة تعكس ذلك بدقة. هذه الخطوة تنشئ "خريطة الطور"، التي تلون أنواع البلورات المختلفة بشكل مختلف.

الخطوة 3: إيجاد الاتجاه
أخيرًا، الجزء الأكثر صعوبة: معرفة الاتجاه الذي تشير إليه كل بلورة. في علم البلورات، غالبًا ما يتم إظهار الاتجاه عبر قوس قزح من الألوان (خريطة الشكل القطبي العكسي أو IPF). إذا كانت البلورة تشير إلى "الأعلى"، فقد تكون حمراء؛ وإذا كانت تشير إلى "الجانب"، فقد تكون زرقاء. غالبًا ما يخطئ الذكاء الاصطناعي القياسي في هذا، فيقوم بتلوين بلورة باللون الأحمر بينما يجب أن تكون زرقاء، لمجرد أن الصورة تبدو جيدة. ومع ذلك، فإن ذكاء الباحثين الاصطناعي "مستند إلى الفيزياء". فهو يعرف أن البلورات لها قواعد محددة حول كيفية دورانها وكيفية اتصالها بجيرانها. إنه يراجع عمله مقابل "فضاء ألوان صالح" للتأكد من أن الألوان التي يختارها ممكنة فيزيائيًا. كما يضمن أنه داخل حبة واحدة، يكون اللون موحدًا في الغالب، وعند الحدود، يتغير اللون بشكل مفاجئ، تمامًا كما تفعل البلورات الحقيقية.

النتائج: من الضبابية إلى العبقرية

اختبر الفريق هذا النظام على سبيكة Ti-6Al-4V، وهي سبيكة تيتانيوم شائعة جدًا تستخدم في مجالات الطيران والزراعات الطبية، والتي يصعب تحليلها بشكل ملحوظ لأن الطباعة ثلاثية الأبعاد تجعل بنيتها الداخلية فوضوية للغاية. قارنوا الخرائط التي أنتجها الذكاء الاصطناعي ببيانات EBSD عالية الجودة (المعيار الذهبي الذي يصعب الحصول عليه).

كانت النتائج مبهرة. بدت الخرائط التي أنتجها الذكاء الاصطناعي مطابقة تقريبًا للخرائط الحقيقية.

• الدقة: عند قياس مدى تشابه الصور، سجل الذكاء الاصطناعي درجات عالية جدًا. بالنسبة لخرائط الحبيبات، كانت نسبة التشابه حوالي 0.75 (على مقياس حيث 1 هو المثالي)، وكان الخطأ ضئيلًا، بمتوسط فرق قدره 0.08 فقط.
• كشف الطور: حدد الذكاء الاصطناعي أنواع البلورات المختلفة في المعدن بشكل صحيح. كان الخطأ في تخمين كمية كل طور منخفضًا للغاية، عند 0.015 فقط.
• إيجاد الاتجاه: حتى بالنسبة لخرائط الاتجاه الصعبة، نجح الذكاء الاصطناعي في ضبط الألوان في معظم الأحيان. كان الخطأ في "لون" البلورات أقل من 30 وحدة في مقياس الألوان القياسي، مما يعني أن الاتجاهات كانت قريبة جدًا من الحقيقة.

الأهم من ذلك، أظهر الباحثون أن هذا لم يكن مجرد تخمين محظوظ. لقد اختبروا الذكاء الاصطناعي بدون "القواعد الفيزيائية" (القيود). بدون هذه القواعد، أنتج الذكاء الاصطناعي خرائط تبدو جيدة للوهلة الأولى ولكنها خاطئة علميًا — حيث كانت تحتوي على حدود متعرجة ومستحيلة واتجاهات بلورية خاطئة. وهذا أثبت أن الجزء "المستند إلى الفيزياء" كان هو السر وراء النجاح.

هل يعمل على معادن أخرى؟

للتأكد من أن محققهم ليس جيدًا فقط في حل قضية واحدة محددة، اختبر الفريق الذكاء الاصطناعي على معادن أخرى: الفولاذ المقاوم للصدأ 316L، وسبيكة Inconel 617 (سبيكة فائقة)، و2219 aluminum. تمتلك هذه المعادن بنيات داخلية مختلفة وصُنعت باستخدام طرق طباعة ثلاثية الأبعاد مختلفة.

تعامل الذكاء الاصطناعي معها جميعًا بسهولة.

• بالنسبة للفولاذ المقاوم للصدأ والسبيكة الفائقة، كانت الخرائط حادة ودقيقة.
• بالنسبة للألومنيوم، الذي يحتوي على مزيج معقد من البلورات، تمكن الذكاء الاصطناعي من ضبط أشكال الحبيبات بشكل صحيح، مع ارتباط قدره 0.90 بين تخمين الذكاء الاصطناعي والبيانات الحقيقية.
• كانت أخطاء "اللون" لبلورات الألومنيوم منخفضة أيضًا، حيث ظلت تحت 30 وحدة.

يشير هذا إلى أن الذكاء الاصطناعي لا يحفظ مظهر التيتانيوم فحسب؛ بل تعلم بالفعل القواعد العالمية لكيفية سلوك البلورات. يمكنه أخذ صورة بسيطة لأي معدن مطبوع ثلاثي الأبعاد تقريبًا وإخبارك بأسراره الداخلية.

لماذا يهم هذا؟

يقدم هذا العمل طريقة جديدة للنظر إلى المعادن المطبوعة ثلاثية الأبعاد. بدلاً من الاعتماد على أجهزة EBSD المكلفة والبطيئة والتي غالبًا ما تكون مربكة وتواجه صعوبة في التعامل مع الهياكل الفوضوية للطباعة ثلاثية الأبعاد، يمكن للعلماء الآن استخدام صور مجهرية قياسية وسريعة وترك الذكاء الاصطناعي يقوم بالعمل الشاق. إنه يشبه امتلاك قوة خارقة: يمكنك النظر إلى صورة بسيطة باللونين الأبيض والأسود ورؤية العالم الملون والمنظم للذرات في الداخل فورًا.

يلاحظ الباحثون بحذر أنه بينما تعد هذه خطوة كبيرة للأمام، إلا أنها أداة لإعادة البناء، وليست عصا سحرية تحل محل جميع الاختبارات الأخرى. ومع ذلك، بالنسبة للمشكلة المحددة المتمثلة في رسم خرائط البنية الداخلية للسبائك المصنعة بالإضافة، فقد أظهر هذا النهج القائم على الفيزياء أنه يمكن أن يكون موثوقًا للغاية، ودقيقًا، وقابلًا للتعميم عبر مواد مختلفة. إنه يحول الرسم التخطيطي الباهت إلى خريطة دقيقة وصحيحة علميًا، مما يفتح الباب أمام رقابة أفضل وأسرع على الجودة للمعادن التي ستبني مستقبلنا.