|
多倫多大學應用科學與工程學院的研究人員利用機器學習 (ML) 設計出具有碳鋼強度但聚苯乙烯泡沫塑膠輕盈的奈米結構材料。
在《先進材料》雜誌上發表的一篇論文中，由 MIE 教授 Tobin Filleter 領導的團隊描述他們如何製造出兼具卓越強度、輕質和客製化的奈米材料。
“ 奈米結構材料結合了高性能形狀，例如用三角形建造橋樑，為了做到所有材料裡面最強、最輕，硬度也最高、最輕。” 論文的第一作者 Peter Serles 博士這樣說。
目前使用的標準晶格形狀和幾何形狀往往存在尖銳的交叉點和拐角，這會導致應力擠在一起出問題，材料的局部會開始失效和斷裂，從而限制其整體潛力。
奈米結構材料由數百奈米大小的微小重複單元構成，需要 100 多個奈米大小的重複單元排列在一起才能達到人類頭髮的粗細。碳構件會排成一種立體的結構，叫做奈米晶格。
Serles 和 Filleter 與 Seunghwa Ryu 教授和博士一起工作。韓國大田韓國科學技術院（KAIST）的學生 Jinwook Yeo 設計了這種材料。
KAIST 團隊使用多目標貝葉斯優化 ML 演算法來預測最佳幾何形狀，以增強應力分佈並提高奈米結構設計的強度重量比。Serles使用雙光子聚合 3D 列印機創建原型。優化後的奈米晶格強度比現有設計增加了一倍以上，每立方公尺每公斤密度可承受 2.03MPa 的壓力，比鈦高出約 5 倍。
「這是機器學習首次應用於優化奈米結構材料，我們對這項改進感到震驚，」Serles 說： “它從形狀的哪些變化有效、哪些變化無效中學習，從而能夠預測全新的晶格幾何形狀。”
ML 通常需要大量數據，但多目標貝葉斯最佳化演算法只需要 400 個數據點，而不是 20,000 個或更多。 “ 我們能夠使用規模小得多但品質極高的數據集。 ” 現任加州理工學院 (Caltech) 施密特科學研究員的Serles說。
Filleter說： “ 我們希望這些新材料設計能夠在航太應用中產生超輕部件，從而減少燃料需求，同時保持安全性和性能。”
“ 如果用這種材料替換飛機上的鈦合金零件，那麼每替換一公斤材料，每年就可以節省 80 公升燃料，」Serles 補充道。“
該計畫的其他貢獻者包括來自德國卡爾斯魯厄理工學院 (KIT)、麻省理工學院 (MIT) 和萊斯大學的合作者。
资料引用来源: [Aerospace Manufacturing & Design]
https://www.aerospacemanufacturinganddesign.com/article/high-performance-nano-architected-materials/
|
