Forskere designer nyt materiale ved hjælp af kunstig intelligens

Forskere ved TU Delft har udviklet et nyt superkomprimerbart, men stærkt materiale uden overhovedet at udføre nogen eksperimentelle test, kun ved hjælp af kunstig intelligens (AI). "AI giver dig et skattekort, og videnskabsmanden skal finde skatten, "siger Miguel Bessa, første forfatter til en publikation om dette emne i Avancerede materialer den 14. oktober.

Sammenklappelig cykel

Miguel Bessa, adjunkt i materialevidenskab og teknik ved TU Delft, fik inspirationen til dette forskningsprojekt i sin tid på California Institute of Technology. I et hjørne af Space Structures Lab, han bemærkede en satellitstruktur, der kunne åbne lange solsejl fra en meget lille pakke.

Han spekulerede på, om det ville være muligt at designe et meget komprimerbart, men stærkt materiale, der kunne komprimeres til en lille brøkdel af dets volumen. "Hvis dette var muligt, hverdagsgenstande såsom cykler, middagsborde og paraplyer kan foldes ned i lommen."

Invertering af designprocessen

Den næste generation af materialer skal være tilpasningsdygtige, multifunktionel og justerbar. Dette kan opnås ved strukturdominerede materialer (metamaterialer), der udnytter nye geometrier for at opnå hidtil usete egenskaber og funktionalitet.

"Imidlertid, metamateriale design har været afhængig af omfattende eksperimenter og en trial-and-error tilgang, " siger Bessa. "Vi argumenterer for at vende processen ved at bruge maskinlæring til at udforske nye designmuligheder, og samtidig reducere eksperimenter til et absolut minimum."

Maskinelæring

"Vi følger en beregningsmæssig datadrevet tilgang til at udforske et nyt metamaterialekoncept og tilpasse det til forskellige målegenskaber, valg af basismaterialer, længdeskalaer og fremstillingsprocesser." Vejledt af maskinlæring, Bessa fremstillede to designs i forskellige længder, der forvandler sprøde polymerer til lette, genanvendelige og superkomprimerbare metamaterialer. Makroskala-designet er indstillet til maksimal komprimerbarhed, mens mikroskalaen er designet til høj styrke og stivhed.

Uudnyttede områder af designrummet

Endnu, Bessa hævder, at det vigtigste aspekt af værket ikke er det særlige materiale, der blev skabt, men evnen til at nå uudnyttede områder af designrummet via maskinlæring. "Det vigtige er, at maskinlæring skaber en mulighed for at invertere designprocessen ved at skifte fra eksperimentelt guidede undersøgelser til beregningsmæssigt datadrevne undersøgelser, selvom computermodellerne mangler nogle oplysninger. De væsentlige forudsætninger er, at "nok" data om interesseproblemet er tilgængelige, og at dataene er tilstrækkeligt nøjagtige." Bessa er en stærk fortaler for datadrevet forskning inden for mekanik og materialevidenskab. "Datadrevet videnskab vil revolutionere den måde, vi når frem til nye opdagelser, og jeg kan ikke vente med at se, hvad fremtiden vil bringe os."