可以吸收冲击能量的自行车头盔、可以为您每一步提供额外助力的跑鞋,或者就像天然骨骼一样的植入物。超材料使此类应用成为可能。它们的内部结构是精心设计过程的结果,随后3D打印机生产出具有优化性能的结构。
苏黎世联邦理工学院机械与过程工程系力学与材料教授DennisKochmann领导的研究人员开发了新型人工智能工具,绕过了耗时且基于直觉的超材料设计过程。相反,他们以快速、自动化的方式预测具有非凡特性的超材料。
新颖的是,它们的框架适用于大(所谓的非线性)负载,例如,当头盔在冲击过程中吸收主要力时。
科赫曼的团队是设计小型蜂窝结构(类似于木结构房屋中的梁网络)以创建具有特定或极端特性的超材料的先驱之一。“例如,我们设计的超材料表现得像流体:难以压缩但容易变形。或者超材料在特定方向压缩时会在所有方向上收缩,”科赫曼解释道。
高效、优化的材料设计
设计的可能性似乎是无穷无尽的。然而,超材料的全部潜力还远未实现,因为设计过程基于经验,涉及反复试验。此外,结构的微小变化可能会引起性能的巨大变化。
在最近的突破中,研究人员成功地利用人工智能系统地探索了两种超材料的丰富设计和机械性能。他们的计算工具可以通过按下按钮来预测所需变形响应的最佳结构。
关键是使用真实结构变形行为的大型数据集来训练人工智能模型,该模型不仅可以重现数据,还可以生成和优化新结构。通过利用一种称为“变分自动编码器”的方法,人工智能从大量设计参数中学习结构的基本特征以及它们如何产生特定的属性。
然后,每当研究人员指定其所需的属性和要求时,它就会使用这些知识生成超材料蓝图。
组装积木
Kochmann团队的博士生LiCheng使用包含100万个结构的数据集及其模拟响应来训练AI模型。“想象一下一个巨大的乐高积木盒子——你可以用无数种方式排列它们,随着时间的推移,学习设计原理。人工智能非常有效地做到这一点,并学习基本的设计特征以及如何组装超材料的构建块,从而赋予它们特定的功能。柔软或坚硬,”郑说。
与之前使用少量构建块目录作为设计基础的方法不同,新方法使人工智能可以自由地几乎任意地添加、删除或移动构建块。
他们与代尔夫特理工大学助理教授、科赫曼团队前成员SidKumar一起,在最近发表的一篇论文中表明,人工智能模型甚至可以超越它所训练的范围,并预测比任何东西都更好的结构。以前曾经生成过。
从电影中学习
Jan-HendrikBastek也是Kochmann团队的博士生,他使用了不同的方法来实现类似的目标。他使用了一种最初用于基于人工智能的视频生成的方法,这种方法已经变得司空见惯:如果你输入“一头大象飞越苏黎世”,人工智能就会生成一段大象绕着圣母大教堂旋转的逼真视频。Bastek使用50,000个可变形3D打印结构的视频序列来训练他的人工智能系统。
“我可以插入我想要的结构变形轨迹,人工智能会生成最佳结构和完整变形响应的视频,”巴斯泰克解释道。以前的大多数方法都只专注于预测最佳结构的单个图像。然而,提供整个变形过程的人工智能视频对于在如此复杂的场景中保持准确性至关重要。
基于视频序列,人工智能可以考虑高度复杂的场景,创建新材料的蓝图。
对自行车头盔和鞋底的巨大好处
研究人员已经向超材料社区提供了他们的人工智能工具。这有望导致许多新的和不寻常的材料的设计。这些工具为自行车头盔等防护设备的开发以及超材料从医学工程到软机器人的进一步应用开辟了新途径。
甚至鞋底也可以设计成在跑步时更好地吸收冲击,或者在下坡时提供向前的推动力。AI会完全取代材料的手工工程设计吗?“不,”科赫曼笑着说。“如果使用得当,人工智能可以成为高效、勤奋的助手,但它必须得到正确的指导和正确的培训——这需要科学原理和工程知识。”