AI öppnar för ny design av försvarsmaterial

Forskare vid FOI undersöker hur AI kan användas för att utveckla radarabsorbenter, material som gör det svårare att upptäcka militära farkoster och soldater med radar. Målet är att designa nya mönster med bättre förmåga än dagens.

Att dölja militära farkoster, trupper och utrustning från upptäckt, till exempel med radar eller ekolod, kallas stealthteknologi. En sådan teknik är radarabsorbenter, strukturer som placeras på höljet av farkoster.

– När det sedan kommer radarvågor utifrån absorberar strukturen energin i radarvågorna så att de inte studsar tillbaka, vilket gör det svårare att läsa av var farkosten befinner sig, säger Tomas Wilkinson som är forskare vid enheten för sensornära dataanalys och simulering vid Totalförsvarets forskningsinstitut, i ett pressmeddelande.

Komplexa mönster i flera lager

Strukturerna består av repetitiva geometriska mönster i millimeterstorlek, till exempel cirklar, kors och stjärnor. Mönstren läggs i flera lager som kan ha olika egenskaper och dessutom interagera med varandra. Det gör strukturerna komplexa att utforma.

I dag tar materialvetare ofta fram designen genom att använda datorprogram för att simulera vilka egenskaper olika utformningar får.

– Efter två eller tre lager blir det väldigt tidsödande. Då behövs en väldigt god idé kring exakt vilka strukturer som är lämpade att kombinera. När man designar strukturerna utgår man traditionellt från vissa geometrier, annars blir utfallsrummet för stort, säger forskaren David Gustafsson vid enheten för sensornära dataanalys och simulering.

Forskare vid FOI har i en förstudie undersökt hur maskininlärning kan användas för att utforma radarabsorbenter.

– Vi hoppas på att kunna designa nya mönster, som har bättre förmågor än de som finns i dagsläget, säger Tomas Wilkinson.

Maskininlärning är ett område inom AI där datorprogram tränas att se samband mellan data och lösa uppgifter. Den metod som forskarna vill använda kallas övervakad inlärning. Då får programmet tillgång till ett facit som det använder för att skapa regler, samtidigt som processen övervakas av en människa.

Mycket snabb modell

Nu börjar försök att ersätta dagens beräkningsmjukvara med en maskininlärningsmodell, en så kallad surrogatmodell. Den härmar beräkningsmjukvaran men kan utföra arbetet uppemot tusen gånger snabbare.

Det kortar ledtiden för att ta fram nya material och minskar därmed kostnaderna.

– Det är en ganska stor trend inom området vad vi kan se. Den andra stora ansatsen är inverse design. Istället för att försöka komma på en design och utvärdera dess egenskaper, så vänder man på steken och matar in önskemålen i AI-modellen: ”Vi vill ha den här absorptionen på de här frekvenserna” eller vad man nu är intresserad av. Då spottar den idealt ut förslag på designer som uppfyller de egenskaperna, säger Tomas Wilkinson.

Kan skapa helt ny design

Maskininlärning kan därmed inte bara användas för att snabba på utformningen av radarabsorbenter, utan också för att ta fram helt ny design. AI har inte samma begränsningar som människor när det gäller tidsåtgång eller förutfattade uppfattningar om hur något ska se ut, konstaterar forskarna.

– Det gör det möjligt att utforska sådant som är svårt att komma på även för den som är insatt i ämnet. Med maskininlärning kan vi designa material och mönster som är väldigt konstiga, utfallet kan bli väldigt annorlunda jämfört med det traditionella. Just att AI inte utgår från hur vi har gjort tidigare öppnar upp för väldigt intressanta spår, säger David Gustafsson.

Många tillämpningar inom försvaret

Försvarsmakten skulle också kunna ha nytta av maskininlärning för att utforma andra typer av kamouflage, till exempel på kläder och fordon där många olika kriterier behöver uppfyllas.

– Det verkar finnas nästan oändligt många försvarstillämpningar. En ganska stor grej är lättviktiga nya material, till exempel metallegeringar eller andra material som är både starka och lätta. Allt som flyger vill man ha lättare material i. Det drar mindre energi, ger lägre utsläpp och mindre signatur, säger Tomas Wilkinson.

Forskarna på FOI har nu börjat arbeta med en fortsättning på förstudien, där de ska försöka designa nya radarabsorbenter i praktiken.

– Om tio år är det kanske den här typen av AI-forskning som kommer ha gjort störst avtryck. Det här påverkar vilka saker som finns i den fysiska verkligheten. Det har oerhört stor påverkan, säger David Gustafsson.

*Bild: Andy O. Martinez/Wikimedia Commons. Licens: Public Domain

Rapport:

Maskininlärning för design av radarabsorbenter – En förstudie, FOI.