从人工智能的角度观察飞溅的水滴

东京农业技术大学机械系统工程系的一个研究小组开发了一种可解释的人工智能方法，可以观察不同液体撞击固体表面时飞溅的液滴。这一成就提供了对飞溅现象的重要见解，这对于航空、生物、化学和机械工程、材料、声学和燃烧等各种应用都很重要。

　　

液滴对固体表面的冲击是一种重要的现象，有各种各样的应用。特别是当水滴飞溅时，它会导致印刷和油漆质量恶化，侵蚀和空气传播病毒等。因此，观察和了解不同液体溅射液滴的特性是很重要的。然而，这种现象的多相性质给仅用肉眼观察造成了困难。尽管最近人工智能（AI）的发展显示出解决这一问题的希望，但人工智能模型通常作为一个黑匣子，其中潜在的决策过程是未知的。

在东京农业技术大学，机械系统工程系的一个研究小组开发了一种可解释的人工智能，可以从人工智能的角度观察和理解不同液体的飞溅。由Yoshiyuki Tagawa教授和Akinori Yamanaka教授领导的研究小组，包括Jingzu Yee（前助理教授），Pradipto（前助理教授），Shunsuke Kumagai（一年级硕士生）和Daichi Igarashi（前硕士生），他们的研究结果于2024年12月20日发表在Flow上。

研究组采用前馈神经网络的架构，开发了对高速摄像机拍摄的飞溅和非飞溅视频进行分类的人工智能模型。经过训练，AI模型成功对飞溅和非飞溅的水滴视频进行了分类，低粘度液体的分类成功率为92%，高粘度液体的分类成功率为100%。然后，研究人员实施了他们提出的可视化人工智能的方法来分析和解释分类过程。他们的研究结果表明，人工智能从液滴主体的轮廓、喷出的液滴以及从液滴侧面喷出的薄片（称为片层）来分类飞溅液滴和非飞溅液滴。此外，所提出的可视化方法成功地确定了视频的哪一帧对人工智能的分类影响最大。结果表明：低粘度液体溅射与非溅射液滴的差异在撞击前期较为明显，而高粘度液体在撞击后期更为明显。

“我们新提出的可解释的人工智能方法为drop impact研究提供了一种替代传统调查方法，”东京农业科技大学前助理教授Jingzu YEE说。“我们的方法揭示了跌落冲击的基本方面，可以利用它来实现各种造福人类的设备和系统。”