Trænet AI-system lærer at designe cellulære materialer til vævsteknologi, energilagring

Kunstige strukturer kaldet cellulære materialer har et netværk af indre rum i en solid cellelignende matrix. Deres porøse skumlignende arkitektur kombinerer fordelene ved lav densitet med styrke. Forskere ved National Institute for Materials Science (NIMS) og University of Tsukuba i Japan, overvåget af Ikumu Watanabe ved NIMS, har anvendt en form for generativ kunstig intelligens (AI) til at udvikle en ny og forbedret tilgang til design af cellulære materialer med præcist målrettet porøsitet og stivhed.

Deres arbejde er publiceret i tidsskriftet Science and Technology of Advanced Materials .

"I modsætning til konventionelle tilgange er vores metode ikke afhængig af en designers erfaring," siger beregningsforsker Xiaoyang Zheng, førsteforfatter til forskningsartiklen. "Vi kalder det en omvendt tilgang, for i stedet for først at foreslå et design og derefter teste det, udforsker systemet design fra et lavdimensionelt funktionsrum (dvs. latent rum) og genererer automatisk et design med ønskede egenskaber."

Der er mange mulige anvendelser, men forfatterne fremhæver potentialet i at bruge deres metode til at designe knogleimplantater med en bestemt ønsket porøsitet, stivhed og elasticitet.

Den computeriserede designproces begynder med en 3D geometrisk struktur sammensat af diskrete elementer kaldet voxels. Et trænet generativt AI-system, kaldet et betinget generativt modstridende netværk, bruges derefter til at generere designet af et 3D-gitter med målrettede egenskaber. Ægte 3D-materialer, der svarer til det foreslåede design, konstrueres derefter og testes eksperimentelt ved hjælp af 3D-printede harpikser. Deres adfærd blev også undersøgt ved hjælp af computersimuleringer.

"Selvom vi tidligere havde udviklet et lignende 2D-system, var det en udfordring at udvide det til 3D på grund af den massive beregningsindsats, der kræves," siger Zheng. "Generering af sådanne 3D-geometridesigns er på forkant med det nyeste, ikke kun inden for materialevidenskab, men også AI-forskning generelt."

Ud over den foreslåede anvendelse til fremstilling af knogleimplantater peger forskerne på potentielle fremskridt inden for den brede vifte af applikationer, hvor cellulære materialer i øjeblikket bruges og også overvejes til fremtidig udvikling. Disse omfatter materialer til blød robotteknologi, blød elektronik og kontakter og elektrokemisk energilagring og konvertering.

"Det store træk ved tilgangen er mangfoldigheden af ​​løsninger, den kan levere, hvilket genererer mange mulige kandidater til mange forskellige materialer," slutter Zheng.

Efter at have demonstreret systemets gennemførlighed og potentiale, planlægger teamet nu at bruge det til at udforske en række avancerede materialer. Som en del af dette arbejde håber de at udvide omfanget af AI-systemet, så det kan målrette mod en bredere vifte af egenskaber i de materialer, det designer.

Flere oplysninger: Xiaoyang Zheng et al, Deep-learning-baseret omvendt design af tredimensionelle arkitektonerede cellulære materialer med målporøsitet og stivhed ved hjælp af voxeliserede Voronoi-gitter, Science and Technology of Advanced Materials (2022). DOI:10.1080/14686996.2022.2157682

Journaloplysninger: Videnskab og teknologi for avancerede materialer

Leveret af National Institute for Materials Science