Superkomprimerbart Material Utvecklat Genom AI

Ett nytt superkomprimerbart material som utvecklats genom AI av forskare vid TU Delft kan förvandla många av våra vardagsföremål medan de fortfarande förblir starka. Forskarna genomförde inga experimentella tester, och de skapade materialet med hjälp av enbart artificiell intelligens och machine learning.

Miguel Bessa är den första författaren till publikationen som publicerades i Advanced Materials den 14 oktober. 

“AI ger dig en skattkarta, och forskaren måste hitta skatten,” sa han. 

Att Förvandla Vardagsföremål

Miguel Bessa, en biträdande professor i materialvetenskap vid TU Delft, fick inspirationen att skapa detta material efter att ha tillbringat tid vid California Institute of Technology. Det var där, vid Space Structures Lab, där han observerade en satellitstruktur som kunde öppna långa solsegel från en liten förpackning. 

Efter att ha sett detta ville Bessa veta om det var möjligt att designa ett superkomprimerbart men starkt material och komprimera det till en liten bråkdel av dess volym. 

“Om detta var möjligt, kunde vardagsföremål som cyklar, middagsbord och paraplyer vikas ihop och föras i fickan,” sa han. 

Nästa Generationens Material 

Bessa anser att det är viktigt att nästa generationens material är anpassningsbara och flerfunktionella med möjlighet att ändras. Sättet att göra detta är genom strukturdominerade material, som är metamaterial som kan utnyttja nya geometrier. Detta kommer att göra att materialen har vissa egenskaper och funktioner som inte funnits tidigare. 

“Men, metamaterialdesign har varit beroende av omfattande experiment och en trial-and-error-approach,” säger Bessa. “Vi argumenterar för att vända på processen genom att använda machine learning för att utforska nya designmöjligheter, samtidigt som experiment minimeras till ett absolut minimum.”

“Vi följer en beräkningsdriven datadriven approach för att utforska ett nytt metamaterialkoncept och anpassa det till olika målegenskaper, val av basmaterial, längdskala och tillverkningsprocesser.“

Nya Möjligheter

Med hjälp av machine learning utvecklade Bessa två design som var olika längdskalor för det superkomprimerbara materialet som utvecklats genom AI. De förvandlade spröda polymerer till metamaterial som var mycket lättare och återvinningsbara. Det viktigaste och mest imponerande aspekten av dessa nya metamaterial är att de är superkomprimerbara. Den makroskaliga designen fokuserar på maximal komprimerbarhet, medan den mikroskaliga är bäst för hög styrka och styvhet. 

Bessa hävdar att den viktigaste delen av arbetet inte är det faktiska utvecklade materialet, utan det nya sättet att designa genom användning av machine learning och artificiell intelligens. Detta kan öppna upp möjligheter som varit okända tidigare. 

“Det viktiga är att machine learning skapar en möjlighet att vända på designprocessen genom att skifta från experimentellt guidade undersökningar till beräkningsdrivna datadrivna, även om datormodellerna saknar viss information. De väsentliga kraven är att ’tillräckligt’ data om problemet av intresse är tillgängligt, och att datat är tillräckligt exakt.”

Bessa tror på datadriven forskning inom materialvetenskap och dess förmåga att revolutionera och förvandla vårt sätt att leva. 

“Datadriven vetenskap kommer att revolutionera sättet vi når nya upptäckter, och jag kan inte vänta med att se vad framtiden kommer att bringa oss.”

Att Överta Från Början Till Slutet

Dessa nya utvecklingar visar att det finns områden som kan förvandlas av AI och machine learning som inte är välkända. Medan det är bevisat att artificiell intelligens kommer att revolutionera maskiner, teknologier och nästan alla andra aspekter av samhället, är det inte ofta erkänt att den också kan utveckla dessa helt på egen hand. Det kommer att finnas en punkt där machine learning och AI kommer att ta över design- och utvecklingsprocessen från början till slut. Det kommer att vara upp till människor att införa vissa mekanismer i dessa teknologier så att de är kompatibla med våra sätt att leva.