人工智能扩散模型揭示隐藏结构缺陷，超越传统物理传感器

系统的可靠性和安全性在半导体、能源、汽车和钢铁等行业至关重要，因为即使是微观裂缝或结构缺陷也会严重影响性能。由于这些内部缺陷肉眼无法察觉，材料和结构的健康状况一直以来通过无损检测（NDT）技术进行评估。NDT可以在不损坏结构本身的情况下检查内部状况。然而，在实践中，精确和详细地识别内部缺陷仍然非常困难。

值得注意的是，物理传感器测量的信号——例如超声波或电磁波——常常受到几何形状、材料特性和复杂现实条件等因素的影响，造成了固有的物理限制，影响准确确定缺陷的位置和大小。

但是，如果人工智能（AI）能够“识别”人眼无法看到的东西呢？

受到这个问题的启发，来自韩国的一组研究人员在韩国中央大学机械工程学院工业人工智能实验室的助理教授兼首席研究员李秀英的带领下，设计了DiffectNet，这是一种创新的条件目标生成网络，采用扩散技术，具有生成高保真和能够感知缺陷的超声图像的潜力。他们的新发现于2025年11月1日发表在《机械系统与信号处理》期刊上。

李教授指出：“如果能够通过人工智能的学习和推理能力克服传统方法的局限性，那么就有可能将工业系统的完整性和安全标准提升到一个全新的水平。所提议的技术不仅仅是将人工智能应用于工程问题的尝试，而是一个根本性的突破。它涉及开发一种生成性人工智能技术，能够实时重建结构内部的隐藏裂缝，以克服传统方法的物理限制。”

如果人工智能能检测并准确重建结构内部的缺陷，那就能提前防止事故发生——即使是在对人类来说困难或危险的环境中。例如，在发电厂，即使是微小的裂缝也可能导致严重的事故。通过基于人工智能的实时监测内部结构，潜在异常的早期预警就变得可能了。

在半导体或先进制造设施中，人工智能可以对内部缺陷进行虚拟重建，提升质量控制的同时，保持生产效率。此外，该技术还可以应用于对建筑物和桥梁等基础设施的实时监测，为建设更智能、更具韧性的城市安全管理系统打下基础。

这些例子展示了人工智能如何让曾被认为不可能的新工程能力变为现实，预示着智能工程时代的到来。通过让人工智能成为结构的“眼睛”，这项研究为航空航天、发电、半导体制造和民用基础设施等对可靠性要求极高的行业，提供了实时缺陷重建和预测的新可能性。

“人工智能正在超越单纯的数据分析和学习工具——它正成为一个积极的推动者，扩展工程本身的边界。展望未来，我们的实验室将继续引领基于人工智能的工程技术研究的开发，开创一个由人工智能重新定义工程领域的时代，”李教授总结道。

总体而言，这项工作有潜力发展成保障我们日常生活的安全和可靠性的技术。