|
多伦多大学应用科学与工程学院的研究人员利用机器学习 (ML) 设计出具有碳钢强度但聚苯乙烯泡沫塑料轻盈的奈米结构材料。
在《先进材料》杂志上发表的一篇论文中，由 MIE 教授 Tobin Filleter 领导的团队描述他们如何制造出兼具卓越强度、轻质和客制化的奈米材料。
“奈米结构材料结合了高性能形状，例如用三角形建造桥梁，为了做到所有材料里面最强、最轻，硬度也最高、最轻。” 论文的第一作者 Peter Serles 博士这样说。
目前使用的标准晶格形状和几何形状往往存在尖锐的交叉点和拐角，这会导致应力挤在一起出问题，材料的局部会开始失效和断裂，从而限制其整体潜力。
奈米结构材料由数百奈米大小的微小重复单元构成，需要 100 多个奈米大小的重复单元排列在一起才能达到人类头发的粗细。碳构件会排成一种立体的结构，叫做奈米晶格。
Serles 和 Filleter 与 Seunghwa Ryu 教授和博士一起工作。韩国大田韩国科学技术院（KAIST）的学生 Jinwook Yeo 设计了这种材料。
KAIST 团队使用多目标贝叶斯优化 ML 算法来预测最佳几何形状，以增强应力分布并提高奈米结构设计的强度重量比。Serles使用双光子聚合 3D 打印机创建原型。优化后的奈米晶格强度比现有设计增加了一倍以上，每立方公尺每公斤密度可承受 2.03MPa 的压力，比钛高出约 5 倍。
「这是机器学习首次应用于优化奈米结构材料，我们对这项改进感到震惊，」Serles 说： “它从形状的哪些变化有效、哪些变化无效中学习，从而能够预测全新的晶格几何形状。”
ML 通常需要大量数据，但多目标贝叶斯优化算法只需要 400 个数据点，而不是 20,000 个或更多。 “ 我们能够使用规模小得多但质量极高的数据集。 ” 现任加州理工学院 (Caltech) 施密特科学研究员的Serles说。
Filleter说：“ 我们希望这些新材料设计能够在航天应用中产生超轻部件，从而减少燃料需求，同时保持安全性和性能。”
“ 如果用这种材料替换飞机上的钛合金零件，那么每替换一公斤材料，每年就可以节省 80 公升燃料，」Serles 补充道。“
该计划的其他贡献者包括来自德国卡尔斯鲁厄理工学院 (KIT)、麻省理工学院 (MIT) 和莱斯大学的合作者。
资料引用来源: [Aerospace Manufacturing & Design]
https://www.aerospacemanufacturinganddesign.com/article/high-performance-nano-architected-materials/
|
