麻省理工學院（MIT）的研究人員，開發出一種人工智慧技術，可以根據材料內部結構的圖片，快速計算出材料的部份特性，像是應力（Stress）與應變（Strain）值，這個方法可以消除繁瑣的物理計算，透過電腦視覺和機器學習，即時生成估算值。這個物理計算方法的改進，可以加快設計雛形和檢查材料的速度，研究人員Zhenze Yang提到，這是一種全新的方法，因為完成整個計算過程並不需要任何物理領域的知識。

過去工程師花費大量的時間解決方程式，以計算材料的內力，包括應力和應變這些可能造成材料變形和破裂的內力，應用包括設計橋樑以承載行駛在上面的車輛重量，或是在大風中保持穩固。即便現在有電腦的幫忙，工程師可以使用電腦來計算這些方程式，但是這仍是一個棘手的問題，因為部分模擬可能非常耗時，需要幾天甚至是數個月的時間。

為了加速計算過程，研究人員使用人工智慧來解決這個問題，他們使用了生成對抗網路（GAN）機器學習技術。先使用上萬組圖像訓練網路，圖組由兩張圖構成，一張圖像描繪材料內部在機械作用下的微觀結構，另一張圖則以顏色編碼標示該材料的應力和應變數值，神經網路使用賽局理論規則，反覆迭代計算出材料的幾何形狀和其所產生應力之間的關係。

麻省理工研究人員所提出的新方法，只需要一張圖片，人工智慧就能預測材質的內力，解決過去需要撰寫程式碼，求解偏微分方程式的麻煩，研究人員解釋，這種以圖像計算內力的方法，對於複雜的複合材料特別有用。由於材料上力的作用在原子微觀尺度，可能不同於宏觀尺度，研究人員舉例，就像是一架飛機，可能由金屬、聚合物和黏著劑構成，求得的解必須要能涵蓋不同的面向和尺度。

研究人員指出，神經網路擅長解決多種尺度的問題，因為其透過一系列卷積處理資訊，這些卷積會漸進地擴大尺度來分析圖像，因此能夠良好地描述材料特性。經過充分訓練的神經網路在測試實驗中表現良好，能夠對各種軟複合材料微觀結構的特寫圖像，繪製應力和應變值，甚至能夠找出奇異點，像是材料中出現的裂縫處，神經網路能夠準確地重現這些點。

這個研究成果可以減少設計產品的迭代次數，節省工程師的時間和金錢，新技術也可以使非IT人員簡單地取用材料計算，像是建築師或是產品設計師，就能在把設計專案交給工程團隊之前，先試算其可行性。神經網路在經過訓練後，模型可以在消費級電腦上即時處理，降低診斷問題的門檻。