Super-komprimerbart Materiale Udviklet Gennem AI

Et nyt super-komprimerbart materiale, der er udviklet gennem AI af forskere ved TU Delft, kan forvandle mange af vores hverdagsobjekter, mens det stadig forbliver stærkt. Forskerne har ikke gennemført nogen eksperimentelle tests, og de har skabt materialet ved hjælp af kunstig intelligens og machine learning.

Miguel Bessa er den første forfatter af publikationen, der blev offentliggjort i Advanced Materials den 14. oktober.

“AI giver dig en skattekort, og videnskabsmanden skal finde skatten,” sagde han.

Forvandling af Hverdagsobjekter

Miguel Bessa, en adjunkt i materialevidenskab ved TU Delft, fik inspirationen til at skabe dette materiale efter at have tilbragt tid på California Institute of Technology. Det var der, på Space Structures Lab, hvor han observerede en satellitstruktur, der kunne åbne lange solsejl fra en lille pakke.

Efter at have set dette, ville Bessa gerne vide, om det var muligt at designe et super-komprimerbart, men stærkt materiale og komprimere det til en lille brøkdel af dets volumen.

“Hvis dette var muligt, kunne hverdagsobjekter som cyklister, middagsborde og paraplyer foldes sammen og placeres i lommen,” sagde han.

Næste Generation af Materialer

Bessa mener, det er vigtigt, at den næste generation af materialer er tilpasningsdygtige og multifunktionelle med mulighed for at blive ændret. Måden at gøre dette på er gennem strukturdominerede materialer, der er metamaterialer, der kan udnytte nye geometrier. Dette vil give materialerne visse egenskaber og funktioner, der ikke eksisterede før.

“Men metamaterialedesign har afhængigt af omfattende eksperimenter og en trial-and-error-tilgang,” siger Bessa. “Vi argumenterer for at invertere processen ved at bruge machine learning til at udforske nye designmuligheder, mens eksperimenterne reduceres til et absolut minimum.”

“Vi følger en computermæssig data-dreven tilgang til at udforske en ny metamaterialegenskab og tilpasse den til forskellige mål egenskaber, valg af basis materialer, længde skalaer og fremstillingsprocesser.“

Nye Muligheder

Ved hjælp af machine learning udviklede Bessa to designs, der var forskellige længde skalaer for det super-komprimerbare materiale, der er udviklet gennem AI. De forvandlede brittiske polymerer til metamaterialer, der var langt lettere og mere genskabende. Det vigtigste og mest imponerende aspekt af disse nye metamaterialer er, at de er super-komprimerbare. Den makroskala design fokuserer på maksimal komprimerbarhed, mens den mikroskala er bedst for høj styrke og stivhed.

Bessa argumenterer for, at den vigtigste del af arbejdet ikke er det faktiske udviklede materiale, men den nye måde at designe gennem brug af machine learning og kunstig intelligens. Dette kunne åbne op for muligheder, der ikke var kendte før.

“Det vigtige er, at machine learning skaber en mulighed for at invertere designprocessen ved at skifte fra eksperimentelt vejledte undersøgelser til computermæssigt data-drevne undersøgelser, selv om computermodellerne mangler nogen information. De væsentlige krav er, at ’tilstrækkeligt’ data om problemet af interesse er tilgængeligt, og at data er tilstrækkeligt nøjagtigt.”

Bessa tror på data-dreven forskning i materialevidenskab og dens evne til at revolutionere og forvandle vores måde at leve på.

“Data-dreven videnskab vil revolutionere måden, vi når nye opdagelser på, og jeg kan ikke vente med at se, hvad fremtiden bringer os.”

Over Tagning Fra Start Til Færdig

Disse nye udviklinger viser, at der er områder, der kan forvandles af AI og machine learning, som ikke er velkendte. Mens det er bevist, at kunstig intelligens vil revolutionere maskiner, teknologier og næsten alle andre aspekter af samfundet, er det ikke ofte erkendt, at det også kan udvikle disse fuldstændigt på egen hånd. Der vil være et tidspunkt, hvor machine learning og AI vil overtage design- og udviklingsprocessen fra start til slut. Det vil være op til mennesker at indføre visse mekanismer i disse teknologier, så de er kompatible med vores måde at leve på.