Design af letvægtsglas til effektive biler og vindmøller

En ny maskinlæringsalgoritme til at udforske letvægts, meget stive glaskompositioner kan hjælpe med at designe næste generations materialer til mere effektive køretøjer og vindmøller. Briller kan forstærke polymerer for at generere kompositmaterialer, der giver lignende styrker som metaller, men med mindre vægt.

Liang Qi, professor i materialevidenskab og teknik ved U-M, besvarede spørgsmål om hans gruppes nye papir i npj Computational Materials .

Hvad er elastisk stivhed? Elastik og glas ser ikke ud til at være to ord, der hænger sammen.

Alle faste materialer, herunder glas, har en egenskab kaldet elastisk stivhed - også kendt som elastisk modul. Det er et mål for, hvor meget kraft pr. Arealenhed er nødvendig for at få materialet til at bøje eller strække sig. Hvis ændringen er elastisk, materialet kan helt genoprette sin oprindelige form og størrelse, når du stopper kraften.

Hvorfor vil vi have lette og meget stive glas?

Elastisk stivhed er afgørende for ethvert materiale i strukturelle applikationer. Højere stivhed betyder, at du kan opretholde den samme kraftbelastning med et tyndere materiale. For eksempel, konstruktionsglaset i bilens forruder, og i berøringsskærme på smartphones og andre skærme, kan gøres tyndere og lettere, hvis glassene er stivere. Glasfiberkompositter er meget udbredte lette materialer til biler, lastbiler og vindmøller, og vi kan gøre disse dele endnu lettere.

Lettere køretøjer kan gå længere på en gallon gas - seks til otte procent længere for en vægtreduktion på ti procent, ifølge det amerikanske kontor for energieffektivitet og vedvarende energi. Vægttab kan også øge rækkevidden af ​​elbiler betydeligt.

Lettere, stivere glas kan gøre vindmøllevinger mere effektive til at overføre vindkraft til elektricitet, fordi mindre vindkraft er "spildt" for at få vingerne til at rotere. Det kan også muliggøre længere vindmøllevinger, som kan producere mere elektricitet under samme vindhastighed.

Hvad er udfordringerne i at forsøge at designe lette, men modstandsdygtige briller?

Fordi briller er amorfe - eller uordnede - materialer, det er svært at forudsige deres atomistiske strukturer og de tilsvarende fysiske/kemiske egenskaber. Vi bruger computersimuleringer til at fremskynde studiet af briller, men de kræver så meget beregningstid, at det er umuligt at undersøge hver mulig glaskomposition.

Det andet problem er, at vi ikke har nok data om glaskompositioner til, at maskinlæring kan være effektiv til at forudsige glasegenskaber for nye glaskompositioner. Maskinlæringsalgoritmer fodres med data, og de finder mønstre i dataene, der gør dem i stand til at forudsige. Men uden nok af de rigtige træningsdata, deres forudsigelser er ikke pålidelige - ligesom en politisk meningsmåling foretaget i Ohio ikke kan forudsige valget i Michigan.

Hvordan har du overvundet disse barrierer?

Først, vi brugte eksisterende computersimuleringer med høj kapacitet til at generere data om tætheder og elastiske stivheder i forskellige briller. Sekund, vi udviklede den maskinlæringsmodel, der er mere velegnet til en lille mængde data - fordi vi stadig ikke havde mange data efter standarder for maskinlæring. Vi designede det, så det vigtigste, det er opmærksom på, er styrken i interaktionen mellem atomer. I det væsentlige, vi brugte fysik til at give det tip om, hvad der var vigtigt i dataene, og det forbedrer kvaliteten af ​​dens forudsigelser for nye kompositioner.

Hvad kan din model gøre?

Mens vi uddannede vores machine learning -model med glas lavet af siliciumdioxid og et eller to andre tilsætningsstoffer, vi fandt ud af, at det nøjagtigt kunne forudsige lethed og elastisk stivhed af mere komplekse briller, med mere end ti forskellige komponenter. Det kan skærme op til 100, 000 forskellige kompositioner på én gang.

Hvad er de næste trin?

Lethed og elastisk stivhed er kun to egenskaber, der er vigtige ved design af briller. Vi skal også kende deres styrke, sejhed, og deres smeltetemperaturer. Ved åbent at dele vores data og metoder, vi håber at inspirere til udviklingen af ​​nye modeller inden for glasforskningssamfundet.