麻省理工學(xué)院 CSAIL 使用 AI 和 3D 打印開(kāi)發(fā)微結(jié)構(gòu)復(fù)合材料

2024年2月8日，麻省理工學(xué)院 CSAIL 的研究團(tuán)隊(duì)在材料設(shè)計(jì)領(lǐng)域顛覆了傳統(tǒng)的試錯(cuò)方法，通過(guò)新型的計(jì)算設(shè)計(jì)方法創(chuàng)造出具有優(yōu)異性能的材料?？茖W(xué)家們的新系統(tǒng)集成了物理實(shí)驗(yàn)、基于物理的模擬和神經(jīng)網(wǎng)絡(luò)，以解決理論模型和實(shí)際結(jié)果之間經(jīng)常出現(xiàn)的差異。該研究最引人注目的成果之一是發(fā)現(xiàn)了微結(jié)構(gòu)復(fù)合材料（用于從汽車到飛機(jī)的各種領(lǐng)域），這種復(fù)合材料更堅(jiān)韌、更耐用，并且具有剛度和韌性的最佳平衡。

相關(guān)研究以題為“Computational Discovery of Microstructured Composites with Optimal Stiffness-Toughness Trade-Offs”論文發(fā)表在本月早些時(shí)候的《科學(xué)進(jìn)展》上。論文主要作者為來(lái)自麻省理工學(xué)院 CSAIL的Li，其他作者包括浦項(xiàng)科技大學(xué)副教授Tae-Hyun Oh和麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室成員鄧博磊（現(xiàn)任喬治亞理工助理教授）、壽婉（現(xiàn)任阿肯色大學(xué)助理教授）、胡遠(yuǎn)明（2018年碩士，2021年博士）、羅一悅（2020年碩士）和石亮。該團(tuán)隊(duì)的研究部分得到了巴登苯胺和蘇打廠（BASF）的支持。他們的論文本月早些時(shí)候發(fā)表在《科學(xué)進(jìn)展》雜志上。

論文鏈接：https://www.voxelmatters.com/wp-content/uploads/2024/02/CSAIL-Microstructures-1.24.pdf

負(fù)責(zé)該項(xiàng)目的首席研究員表示：“復(fù)合材料設(shè)計(jì)和制造是工程的基礎(chǔ)。我們的工作的影響有望遠(yuǎn)遠(yuǎn)超出固體力學(xué)領(lǐng)域。我們的方法為計(jì)算設(shè)計(jì)提供了藍(lán)圖，可以適用于高分子化學(xué)、流體動(dòng)力學(xué)、氣象學(xué)甚至機(jī)器人學(xué)等不同領(lǐng)域?！?br />

這項(xiàng)研究的重點(diǎn)是尋找兩種關(guān)鍵材料特性（剛度和韌性）之間的平衡。該方法涉及兩種類型基材的大型設(shè)計(jì)空間（一種是硬脆的，另一種是軟且延展的），以探索各種空間排列以發(fā)現(xiàn)最佳的微觀結(jié)構(gòu)。

研究人員方法的一個(gè)關(guān)鍵創(chuàng)新是使用神經(jīng)網(wǎng)絡(luò)作為模擬的替代模型，從而減少材料設(shè)計(jì)所需的時(shí)間和資源。來(lái)自麻省理工學(xué)院 CSAIL的研究人員Li表示：“這種由神經(jīng)網(wǎng)絡(luò)加速的進(jìn)化算法指導(dǎo)我們的探索，使我們能夠有效地找到性能最好的樣本。”

神奇的微觀結(jié)構(gòu)

麻省理工學(xué)院 CSAIL 團(tuán)隊(duì)首先制作 3D 打印光聚合物，其大小與智能手機(jī)差不多，但更纖薄，并在每個(gè)光聚合物上添加一個(gè)小凹口和三角形切口。經(jīng)過(guò)專門(mén)的紫外線處理后，使用標(biāo)準(zhǔn)測(cè)試機(jī) Instron 5984 對(duì)樣品進(jìn)行評(píng)估，進(jìn)行拉伸測(cè)試以測(cè)量強(qiáng)度和柔韌性。

同時(shí)，這項(xiàng)研究將物理試驗(yàn)與復(fù)雜的模擬相結(jié)合。使用高性能計(jì)算框架，團(tuán)隊(duì)可以在創(chuàng)建材料之前預(yù)測(cè)和完善材料特性。據(jù)研究團(tuán)隊(duì)稱，項(xiàng)目最大的突破在于將不同材料在微觀尺度上進(jìn)行結(jié)合的技術(shù)，這種方法涉及融合剛性和柔韌物質(zhì)的微小液滴的復(fù)雜圖案，并在強(qiáng)度和靈活性之間取得適當(dāng)?shù)钠胶?。模擬結(jié)果與物理測(cè)試結(jié)果非常接近，驗(yàn)證了整體的有效性。

最重要的是“神經(jīng)網(wǎng)絡(luò)加速多目標(biāo)優(yōu)化”（NMO）算法——用于導(dǎo)航微觀結(jié)構(gòu)的復(fù)雜設(shè)計(jì)景觀——揭示了表現(xiàn)出接近最佳機(jī)械屬性的配置。該工作流程就像一個(gè)自我糾正機(jī)制，不斷完善預(yù)測(cè)以更接近現(xiàn)實(shí)。

然而，Li 強(qiáng)調(diào)了保持 3D 打印一致性以及將神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)、模擬和現(xiàn)實(shí)世界實(shí)驗(yàn)集成到高效管道中的困難。麻省理工學(xué)院 CSAIL 團(tuán)隊(duì)致力于提高該流程的可用性和可擴(kuò)展性。Li預(yù)見(jiàn)了實(shí)驗(yàn)室完全自動(dòng)化的未來(lái)，最大限度地減少人工監(jiān)督并最大限度地提高效率：“我們的目標(biāo)是看到從制造到測(cè)試和計(jì)算的一切都在集成實(shí)驗(yàn)室設(shè)置中實(shí)現(xiàn)自動(dòng)化?！?br />