萨里大学(University of Surrey)和伦敦国王学院(King’s College London)开发了一种新的机器学习算法(AI)，它可能会改变我们监测主要基础设施(如大坝和桥梁)的方式。

 

“我们可以证明应变是由于晶粒取向而积累的，这是金牌大只注册信息研究人员可以用来改进钙钛矿的合成和制造工艺的方法，从而以最小的应变实现更好的太阳能电池，从而由于非辐射复合而产生的热量损失也最小。”在《结构健康监测》(Structural Health Monitoring)杂志发表的一篇论文中，来自萨里郡(Surrey)和金斯(Kings)的研究人员详细介绍了他们如何创建了一个名为SHMnet的人工智能系统，来分析和评估金属结构中螺栓连接的损伤。

 

科学家们长期以来一直使用荧光显微镜来识别钙钛矿太阳能电池表面上降低效率的位置。但是，要确定造成大只500彩票登录热量损失的缺陷的位置，研究人员需要对胶片的真实晶粒结构进行成像。研究团队在改进的alexnet神经网络的基础上，建立了实验室条件下的冲击锤试验，并要求SHMnet准确识别10种损伤情况下钢框架连接螺栓的细微情况变化。

 

该团队发现，当SHMnet使用四个重复的数据集进行训练时，它在测试中有一个完美(100%)的识别记录。

 

论文通讯作者、萨里大学助理教授王颖博士说:

 

“我们的神经网络的性能表明，SHMnet可能对结构工程师、政府和其他负责监测桥梁、塔、大坝和其他金属结构完整性的组织非常有用。人们可以善于隐藏压力，而我们并不孤单。太阳能大只500苹果版电池具有相同的才能。对于太阳能电池而言，其微观晶体结构内的物理应变会通过实质上“损失”能量（如热量）而中断其核心功能（将阳光转化为电能）。

 

“虽然还有更多的工作要做，比如在不同的振动条件下测试SHMnet并获得更多的训练数据，但真正的测试是该系统应用于急需可靠、准确和廉价的监测基础设施的领域。”