Runda partiklar och deras egenskaper är lätta att beskriva matematiskt. Men ju mindre rund eller sfärisk formen är, desto svårare blir det att göra förutsägelser om deras beteende. I sin doktorsavhandling vid Tekniska universitetet i Kaiserslautern (TUK) har Robert Hesse tränat ett neuralt nätverk för att automatiskt bestämma packningsdensiteten och flytbarheten hos icke-sfäriska partiklar.

Få partiklar i naturen eller i industriell produktion är exakt runda; istället finns det en mängd varianter och formegenskaper. Det är just detta som gör det så komplicerat att beskriva icke-sfäriska partiklar och optimera deras hantering utifrån beskrivningen. Till exempel, ju rundare en tablett är, desto mindre sannolikt är det att den fastnar på andra tabletter i fyllningsprocessen. En platt cylindrisk form kan redan optimeras genom lätt avrundning när det gäller packningstäthet.

Men hur kan alla egenskaper som bestämmer flytbarhet och packningsdensitet snabbt registreras för att kunna ta beslut om valet av form? Det som tidigare krävde förenklade beräkningar av enskilda matematiska parametrar eller formkomponenter kan härledas automatiskt av en tränad artificiell intelligens – i det här fallet ett så kallat "Deep Convolutional Neural Network" – med hjälp av en 3D-modell.

"Med hjälp av simuleringar där endast formen på partiklarna varierade skapade jag en omfattande experimentell datauppsättning och använde den för att träna det neurala nätverket", rapporterar Hesse, en forskarassistent vid institutionen för mekanisk processteknik. "Standardiserade experiment med 3D-printade partiklar gjorde att simuleringsmetoden kunde valideras i testfasen – det vill säga matcha hur exakt simuleringen kan representera verkliga partiklar."

Det tränade neurala nätverket filtrerar nu bort framträdande drag som kurvor, hörn, kanter etc. från alla tredimensionella punktmoln som representerar hela formen. Med hjälp av denna information kan den analysera flytbarhet och slumpmässig packningstäthet. "Detta är användbart, till exempel för att optimera formen på farmaceutiska produkter när det gäller minimidimensioner på maskinen och förpackningsstorlekar", säger forskaren. + Utforska vidare

Att kontrollera betongtillverkningsprocessen ökar hållfastheten med 30 %