通过 AI 开发的超级压缩材料

由德尔夫特理工大学（TU Delft）的研究人员通过 AI 开发的新型超级压缩材料，可以在保持强度的同时改变我们许多日常物品的形态。研究人员没有进行任何实验测试，只使用人工智能和 机器学习 创建了该材料。

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

“AI 给你一张宝藏地图，科学家需要找到宝藏，”他说。

改变日常物品

德尔夫特理工大学材料科学助理教授 Miguel Bessa，在加州理工学院（California Institute of Technology）空间结构实验室（Space Structures Lab）工作期间，受到启发，想要创造这种材料。他在那里观察到了一种卫星结构，可以从小包中展开长长的太阳帆。

看到这之后，Bessa 想知道是否有可能设计一种超级压缩且强壮的材料，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特性和功能。

“然而，超材料的设计一直依赖于大量的实验和试错法，”Bessa 说。“我们主张反转这个过程，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。”

“我们遵循一种计算机数据驱动的方法来探索新的超材料概念，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 为通过 AI 开发的超级压缩材料开发了两个不同长度尺度的设计。他们将脆性聚合物转化为更轻便和可恢复的超材料。这些新超材料最重要和最令人印象深刻的方面是，它们是超级压缩的。宏观尺度设计注重最大压缩性，而微观尺度最适合高强度和刚度。

Bessa 认为，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，通过从实验引导的调查转变为计算机数据驱动的调查，即使计算机模型缺少一些信息。基本要求是，问题的数据足够多，且数据足够准确。”

Bessa 坚信数据驱动的材料科学研究及其改变我们生活方式的能力。

“数据驱动的科学将改变我们取得新发现的方式，我很期待看到未来会带来什么。”

从开始到结束的控制

这些新发展表明，有些领域可以通过 AI 和机器学习进行转变，这些领域并不为人所知。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的革命性作用已经得到证明，但不常承认的是，它也可以独立开发这些技术。将会有一个时候，机器学习和 AI 将从开始到结束控制设计和开发过程。将由人类来在这些技术中植入某些机制，以使其与我们的生活方式相兼容。