人工智能傳播模型可視化隱藏的結構缺陷

系統可靠性和安全性對於半導體、能源、汽車和鋼鐵等行業至關重要，在這些行業中，即使是結構內的微小裂紋或缺陷也會嚴重影響性能。由於這些內部缺陷是肉眼看不見的，因此長期以來一直使用無損檢測（NDT）方法來評估材料和結構的狀況。 NDT 允許您在不損壞結構本身的情況下檢查內部狀況。然而，在實踐中，準確、詳細地識別內部缺陷仍然極其困難。

值得注意的是，超聲波或電磁波等物理傳感器測量的信號通常會因幾何形狀、材料特性和復雜的現實條件等因素而失真，這對準確確定缺陷的位置和尺寸施加了固有的物理限制。

但如果人工智能 (AI) 能夠“看到”人眼看不到的東西呢？

受這個富有洞察力的問題的啟發，由中央大學機械工程學院工業人工智能實驗室助理教授兼首席研究員 Sooyoung Lee 領導的韓國研究團隊開發了 DiffectNet，這是一種創新的擴散條件目標生成網絡，能夠生成高精度的缺陷感知超聲圖像。他們的新發現發表在雜誌上 機械系統和信號處理 2025 年 11 月 1 日

李教授指出：“如果人工智能的學習和推理能力能夠克服傳統方法的局限性，就有可能將工業系統的完整性和安全標準提高到一個全新的水平。所提出的技術不僅僅是應用人工智能解決工程問題的嘗試，而是一個根本性的突破。它涉及開發能夠實時重建結構內隱藏裂縫的生成式人工智能技術，從而克服傳統方法的物理局限性。”

如果人工智能能夠檢測並準確重建結構內的內部缺陷，它就可以主動預防事故——即使是在人類難以進入或危險的環境中。例如，在發電廠中，即使是微小的裂縫也可能導致災難性事故。通過使用人工智能實時監控內部結構，可以對潛在異常進行早期預警。

在半導體或先進製造工廠中，人工智能可以在不停止設備的情況下虛擬修復內部缺陷，從而在保持生產力的同時提高質量控制。此外，該技術還可應用於建築物和橋樑等基礎設施的實時監控，為更智能、更具彈性的城市安全管理系統鋪平道路。

這些例子展示了人工智能如何開啟曾經被認為不可能的新工程能力，預示著智能工程時代的黎明。通過讓人工智能充當設計的眼睛，這項研究為航空航天、能源、半導體製造和民用基礎設施等高可靠性行業的實時缺陷重建和預測開闢了新的可能性。

李教授總結道：“人工智能不再是一個簡單的數據分析和學習工具，它成為推動工程邊界的積極推動者。未來，我們實驗室將繼續研究基於人工智能的工程技術的發展，開創人工智能重新定義工程領域的時代。”

總體而言，這項工作有潛力成為為我們的日常生活提供安全性和可靠性的工作。