通过人工智能开发的超级可压缩材料

荷兰代尔夫特理工大学的研究人员通过人工智能开发了一种新的超级可压缩材料，这种材料可以将许多日常物品转变为更强壮的形式。研究人员没有进行任何实验测试，他们仅使用人工智能和机器学习创建了这种材料。

Miguel Bessa 是这篇发表在 Advanced Materials 上的论文的第一作者，该论文于 10 月 14 日发布。

“人工智能给你一张宝藏地图，科学家需要找到宝藏，”他说。

转变日常物品

代尔夫特理工大学材料科学助理教授 Miguel Bessa 在加州理工学院的太空结构实验室看到了一种可以从小包中展开长太阳帆的卫星结构后，受到启发，想要创造一种超级可压缩却又强壮的材料。

看到这之后，Bessa 想知道是否有可能设计一种超级可压缩却又强壮的材料，并将其压缩到其体积的很小一部分。

“如果这是可能的，日常物品如自行车、餐桌和雨伞都可以折叠到口袋里，”他说。

下一代材料

Bessa 认为，下一代材料应该是自适应和多功能的，能够被改变。实现这一点的方法是通过结构主导的材料，即可以利用新几何形状的超材料。这将使材料具有以前不存在的某些属性和功能。

“然而，超材料设计一直依赖于大量的实验和试错方法，”Bessa 说。“我们主张通过使用机器学习来探索新的设计可能性，同时将实验减少到最低限度。”

“我们遵循一种计算数据驱动的方法来探索一种新的超材料概念，并将其适应不同的目标属性、基材料、长度尺度和制造工艺。“

新的可能性

使用机器学习，Bessa 开发了两种不同长度尺度的超级可压缩材料设计。他们将脆性聚合物转化为更轻便和可恢复的超材料。这些新超材料最令人印象深刻的方面是它们的超级可压缩性。宏观尺度的设计注重最大可压缩性，而微观尺度的设计更适合高强度和刚度。

Bessa 认为，这项工作中最重要的部分不是实际开发的材料，而是通过使用机器学习和人工智能的新设计方法。这可能会开启以前未知的可能性。

“重要的是，机器学习创造了一个机会来逆转设计过程，从实验指导的调查转变为计算数据驱动的调查，即使计算机模型缺少一些信息。必要的条件是‘足够’的数据关于感兴趣的问题是可用的，并且数据是足够准确的。”

Bessa 相信数据驱动的材料科学研究及其能够改变我们生活方式的能力。

“数据驱动的科学将改变我们发现新事物的方式，我很期待看到未来会带来什么。”

从开始到结束接管

这些新发展表明，有些领域可以被人工智能和机器学习转变，这些领域并不是很好地为人所知。虽然人工智能将会改变机器、技术和几乎所有其他社会方面已经被证明，但它不常被承认的是，它也可以完全独立地开发这些领域。将会有一个时刻，机器学习和人工智能将从开始到结束接管设计和开发过程。将会由人类来在这些技术中灌输某些机制，以使它们与我们的生活方式相兼容。