Das Team nutzte eine Art des maschinellen Lernens, das so genannte Deep Learning, um einen grossen Satz simulierter Daten über die äusseren Kraftfelder von Materialien mit der entsprechenden inneren Struktur zu vergleichen. Daraus entwickelten sie ein System, das anhand der Oberflächendaten zuverlässige Vorhersagen über das Innere treffen kann.

«Es ist ein häufiges Problem im Ingenieurwesen: Wenn man ein Stück Material hat – vielleicht eine Autotür oder ein Teil eines Flugzeugs – und wissen will, was sich im Inneren des Materials befindet, kann man die Dehnungen an der Oberfläche messen, indem man Bilder aufnimmt und berechnet, wie viel Verformung man hat. Aber man kann nicht wirklich in das Innere des Materials schauen», erklärt Markus Bühler, Professor für Bau- und Umweltingenieurwesen am MIT. «Das kann man nur, indem man es zerschneidet und dann ins Innere schaut, um zu sehen, ob es dort irgendwelche Schäden gibt.»

Andere Methoden sind oft umständlicher

Es ist auch möglich, Röntgenstrahlen und andere Techniken zu verwenden, aber diese sind in der Regel teuer und erfordern sperrige Geräte, sagt er. «Wir haben uns also grundsätzlich die Frage gestellt: Können wir einen KI-Algorithmus entwickeln, der sich anschaut, was an der Oberfläche vor sich geht und dann versucht herauszufinden, was im Inneren passiert?» Zu diesen inneren Informationen könnten Beschädigungen, Risse oder Spannungen im Material oder Details der inneren Mikrostruktur gehören.

Die gleiche Art von Fragen kann auch für biologisches Gewebe gelten, fügt Bühler hinzu. «Gibt es dort eine Krankheit, eine Art Wachstum oder Veränderungen im Gewebe?» Ziel war es, ein System zu entwickeln, das diese Art von Fragen auf eine völlig nicht-invasive Weise beantworten kann.

Auch mit gemischten Materialien möglich

Bei der von ihnen entwickelten Technik wurde ein KI-Modell anhand grosser Datenmengen über Oberflächenmessungen und die damit verbundenen inneren Eigenschaften trainiert. Dabei wurden nicht nur einheitliche Materialien berücksichtigt, sondern auch Kombinationen aus verschiedenen Materialien.

Als Beispiel für die Anwendung dieser Methodik weist Bühler darauf hin, dass Flugzeuge heute oft durch die Prüfung einiger repräsentativer Bereiche mit teuren Methoden wie Röntgenstrahlen untersucht werden, weil es unpraktisch wäre, das gesamte Flugzeug zu testen. «Dies ist ein anderer Ansatz, bei dem man auf viel weniger kostspielige Weise Daten sammeln und Vorhersagen treffen kann», sagt Bühler. «Auf dieser Grundlage kann man dann entscheiden, wo man suchen will, und vielleicht teurere Geräte zum Testen einsetzen.»