L'ingénierie des poudres s'enrichit de l'IA
Technologie révolutionnaire 350 fois plus rapide que les méthodes conventionnelles
Imaginez un monde sans poudres. Cela peut paraître exagéré, mais notre vie quotidienne est intimement liée aux poudres de diverses manières, qu'il s'agisse d'aliments, de produits pharmaceutiques, de cosmétiques, de batteries, de céramiques, etc. Dans toutes ces industries, le mélange de poudres est une opération unitaire importante au cours de laquelle différents types de poudres sont mélangés pour obtenir une uniformité. Cependant, il peut être difficile de prédire quelles sont les conditions optimales pour obtenir l'uniformité souhaitée, car le processus repose souvent sur des essais et des erreurs, ainsi que sur l'expertise des ingénieurs.

Cette technologie permet d'augmenter la vitesse de calcul d'environ 350 fois tout en conservant le même niveau de précision que les méthodes conventionnelles
Hideya Nakamura, Osaka Metropolitan University
Les simulations numériques utilisant la méthode des éléments discrets (DEM) ont été largement utilisées comme une approche permettant de prédire avec précision le mélange des poudres. Pour ce faire, on calcule le mouvement de toutes les particules dans un laps de temps très court (1/1 000 000 de seconde), on calcule le mouvement de l'ensemble de la poudre à l'aide des valeurs calculées, puis on répète le processus à plusieurs reprises pour calculer le mouvement de chaque particule un peu plus tard. Par conséquent, le temps considérable nécessaire pour prédire le mélange de poudres entrave considérablement la capacité de mettre en place des processus de mélange de poudres à grande échelle et de longue durée.
Une équipe de recherche dirigée par le professeur associé Hideya Nakamura, le professeur associé Shuji Ohsaki, le professeur Satoru Watano et le doctorant Naoki Kishida de l'école supérieure d'ingénierie de l'université métropolitaine d'Osaka a mis au point une nouvelle méthode de simulation faisant appel à l'IA. En outre, l'équipe a réussi à améliorer la vitesse de calcul d'environ 350 fois. Cette nouvelle méthode se caractérise par l'utilisation d'un réseau neuronal récurrent (RNN) qui permet de simuler le mélange de poudres sur une longue période avec un faible coût de calcul tout en conservant le même niveau de précision que les méthodes conventionnelles.
"Nous avons réussi à exploiter nos connaissances en matière de technologie des poudres, que nous avons affinées pendant de nombreuses années, et à les combiner avec l'apprentissage automatique pour prédire rapidement le comportement unique de poudres complexes", a expliqué le professeur Nakamura. "Nous aimerions nous appuyer sur cette réussite pour contribuer à l'avenir des industries qui cherchent à améliorer la qualité des produits et à rationaliser la production."
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science

Recevez les dernières actualités de l’industrie chimique
En soumettant ce formulaire, vous acceptez que LUMITOS AG vous envoie par e-mail la ou les newsletters sélectionnées ci-dessus. Vos données ne seront pas transmises à des tiers. Vos données seront stockées et traitées conformément à nos règles de protection des données. LUMITOS peut vous contacter par e-mail à des fins publicitaires ou d'études de marché et d'opinion. Vous pouvez à tout moment révoquer votre consentement sans indication de motifs à LUMITOS AG, Ernst-Augustin-Str. 2, 12489 Berlin, Allemagne ou par e-mail à revoke@lumitos.com avec effet pour l'avenir. De plus, chaque courriel contient un lien pour se désabonner de la newsletter correspondante.