Nova metoda načrtovanja metamaterialov na podlagi umetne inteligence

Nature communications
Z inovativnim pristopom je mogoče ustvariti vsakdanje izdelke z novimi mehanskimi lastnostmi.

Metamateriali, kot so vmesne podloge športnih copat in avtomobilski odbijači, so zasnovani tako, da prenašajo obremenitev ali se upirajo udarcem, vendar je oblikovanje teh izdelkov, da bi delovali v skladu s pričakovanji, lahko proces, ki je nagnjen k napakam. Inženirji z Berkeleyja so zdaj razvili inovativno metodo oblikovanja, ki uporablja umetno inteligenco in aditivno proizvodnjo, da bi zagotovili optimalno funkcionalnost in ciljno obnašanje teh specializiranih materialov.

Kot je zapisano v zadnji številki Nature Communications [1], so raziskovalci s strojnim učenjem inverzno oblikovali kompleksno mehansko obnašanje materiala in inženirskega izdelka, ki ga je mogoče natisniti z namiznim 3D-tiskalnikom. Ta novi pristop k oblikovanju, ki temelji na umetni inteligenci, bi lahko potencialno pripeljal do bolj zmogljivih materialov, močno poenostavil postopek izdelave in omogočil razvoj materialov z novimi mehanskimi lastnostmi. „Naša metoda oblikovanja, ki temelji na strojnem učenju, omogoča hitro ustvarjanje materiala s predpisanimi uporabniško opredeljenimi zmogljivostmi in ciljnimi lastnostmi,“ je povedal glavni raziskovalec Xiaoyu „Rayne“ Zheng, izredni profesor znanosti o materialih in inženirstva. „Ta pristop vsakemu uporabniku omogoča, da opredeli mehansko obnašanje želenega izdelka, nato pa preostalo [delo] prepusti umetni inteligenci in 3D-tiskalniku, da ustvarita izdelek, ki se obnaša točno tako, kot si želi.“

Izdelki, kot so čelade, boksarske rokavice in odbijači vozil, so zasnovani s krivuljami napetosti in deformacij, ki jim omogočajo odpornost na silo in udarce. Te krivulje beležijo celotno zgodovino deformacij materiala pri obremenitvi in razkrivajo vse informacije o njegovih mehanskih lastnostih. Vendar po Zhengovih besedah sedanje metode načrtovanja zajemajo le omejen izbor mehanskih lastnosti, želene lastnosti pa se zaradi negotovosti in napak v proizvodnem procesu le redko odražajo v izmerjenih vrednostih. Glede na ta izziv so se raziskovalci odločili razviti pristop k oblikovanju materialov na podlagi umetne inteligence, ki bi zaobšel iterativni postopek oblikovanja in izdelave ter hkrati ustvaril izdelek z natančnim mehanskim obnašanjem. „Z našo metodo lahko uporabnik vnese želeno mehansko obnašanje, opisano s krivuljo, ti podatki pa se nato prenesejo v kodo strojnega učenja, ki ustvari zasnovo – postopek traja le nekaj sekund. Ko je ta zasnova natisnjena v 3D, ponovi želeno mehansko obnašanje,“ je dejal Zheng. „Čeprav je naša metoda oblikovanja, ki temelji na strojnem učenju, še vedno v začetni fazi, lahko s skoraj 90-odstotno natančnostjo ustvari skoraj vsako vrsto obnašanja materiala.“

Raziskovalci so morali najprej razviti in implementirati integriran okvir strojnega učenja, ki ga sestavljata modul za inverzno napovedovanje in modul za sprotno potrjevanje, da bi ustvarili svoj pristop k načrtovanju na podlagi umetne inteligence.

„Inverzni modul uporabi želeno mehansko obnašanje za oblikovanje mikrostrukture materiala, oblikovani material pa se posreduje naprej, da se ovrednoti njegovo mehansko obnašanje,“ je povedal Chansoo Ha, soavtor te študije in nekdanji podoktorski raziskovalec na univerzi Virginia Tech v Zhengovem laboratoriju. „To pomaga zagotoviti, da se želene lastnosti natančno odražajo v končnem izdelku.“ Nato so razvili družino kubično simetričnih celic, ki temeljijo na vzvodih, da bi usposobili model strojnega učenja. Mrežna struktura celic omogoča doseganje skoraj vsakega mehanskega obnašanja in ustrezne krivulje napetosti ter deformacije. Raziskovalci so nato celice natisnili v 3D-tehniki in jih testirali, da bi ustvarili nabore podatkov za usposabljanje. Z novo metodo so Zheng in njegova ekipa izdelali vložek za čevlje z absorpcijo energije in togostjo, ki jo potrebujejo tekači. Pokazali so tudi možnost uporabe strojnega učenja za oblikovanje struktur, kot so avtomobilski odbijači, ki absorbirajo veliko energije trka in zmanjšajo količino udarca, ki se prenese na človeško telo. Po Zhengovih besedah bi lahko bili za to metodo načrtovanja in izdelave primerni tudi zaščitna oprema, zvočno-izolacijski materiali in kompleksnejši materiali, kot so prevleke iz optičnih folij, ter materiali z učinki pasovne vrzeli ali materiali, ki si zapomnijo obliko. Sčasoma lahko ta pristop pripelje do ustvarjanja materialov z novimi lastnostmi.

„Naša metoda oblikovanja z umetno inteligenco je ustvarila mehansko obnašanje, ki prej ni obstajalo, kot so materiali, ki imajo krivulje napetosti in deformacije, ki vsebujejo napredne lastnosti, ukrivljenosti in oblike s prilagojeno absorpcijo energije,“ je dejal Zheng. „To odkritje bi lahko zagotovilo novo paradigmo za oblikovanje izdelkov in materialov, v kateri nismo več omejeni na materiale, ki jih najdemo v naravi.“

Poleg Ha-ja sta vodilna avtorja te študije tudi diplomirana raziskovalca Desheng Yao in Zhenpeng Xu, oba iz Zhengovega laboratorija. Soavtorji so Chenang Liu z državne univerze v Oklahomi, Zhenyu Kong s Tehniške fakultete v Virginiji, Mathieu Bauchy s UCLA in Vikram Deshpande z Univerze v Cambridgeu. To delo sta delno financirala Urad za pomorske raziskave in program NSF Designing Materials to Revolutionize and Engineer our Future.

Povzeto po:
http://tinyurl.com/yk5umb2m

Vir:
1: https://www.nature.com/articles/s41467-023-40854-1

https://www.nature.com

Sorodni članki

Zadnji članki

EKSKLUZIVNA PRILOŽNOST – Demo roboti po posebnih cenah!

za vas imamo ekskluzivno novico! Zaradi prenove razstavnega prostora, ki nas čaka kmalu, ponujamo izjemno priložnost za nakup izbranih demo robotov. Gre za odlično ohranjene modele, ki so del najnovejše tehnologije v svetu robotike, z njimi pa si boste olajšali delo v vaši proizvodnji.

Svet mehatronike 48

Kot kaže se vedno več dogaja v vesolju. Nedavno sem prebral, da je Kitajska v istem dnevu izstrelila dve raketi s sateliti. Ena vrsta satelitov (Tianqi LEO) bo tvorila mrežo za IoT naprave. Druge vrste sateliti (Jilin-1 Kuanfu-02) pa so namenjeni fotografiranju z resolucijo 0,5 metra.

Mati vseh senzorjev gibanja

Mejnik na področju kvantnega zaznavanja se približuje izjemno natančni navigaciji brez GPS.

Želite biti na tekočem z najnovejšimi novicami?

Radi bi vas slišali! Prosimo, izpolnite svoje podatke in ostali bomo v stiku. Tako preprosto je!