堅硬如鋼，輕如泡沫！機器學習和納米3D打印打造具有納米晶格的超強輕質(zhì)材料

2025年2月21日，南極熊獲悉，加拿大多倫多大學應用科學與工程學院的研究人員利用機器學習設計出納米結(jié)構(gòu)材料，這種新材料既具有碳鋼的強度，又具有泡沫塑料的輕盈特質(zhì)，在汽車、航空航天等多個行業(yè)有著巨大應用前景。

△從左到右：Tobin Filleter 教授（MIE）和 Peter Serles（MIE MASc 1T9、MIE PhD 2T4）

相關研究成果以題為“Ultrahigh Specific Strength byBayesian Optimization of Carbon Nanolattices”的論文發(fā)表在在《先進材料》雜志中，由托賓·菲萊特(MIE)教授領導的團隊撰寫，描述了他們?nèi)绾沃圃斐鼍哂袃?yōu)異強度、輕質(zhì)和可定制性等特性的納米材料。

相關論文鏈接：https://doi.org/10.1002/adma.202410651

論文的第一作者 Peter Serles表示：“納米結(jié)構(gòu)材料結(jié)合了高性能形狀，例如在納米級尺寸下由三角形組成橋梁，利用‘小即是強’的效應，實現(xiàn)任何材料中最高的強度重量比和剛度重量比。然而，所使用的標準晶格形狀和幾何形狀往往具有尖銳的交叉點和拐角，這會導致應力集中的問題。這會導致材料早期局部失效和斷裂，從而限制其整體潛力。當我思考這個挑戰(zhàn)時，我意識到這是一個機器學習可以完美解決的問題�！�

納米結(jié)構(gòu)材料由數(shù)百納米大小的微小結(jié)構(gòu)塊或重復單元組成——需要 100 多個納米結(jié)構(gòu)塊排成一排才能達到人類頭發(fā)的厚度。這些結(jié)構(gòu)塊（在本例中由碳組成）排列成復雜的三維結(jié)構(gòu)，稱為納米晶格。

△多目標貝葉斯優(yōu)化用于低密度下具有高壓縮剛度和強度的碳納米晶格的生成設計。a) 流程說明。b) 前四種 MBOCFCC 幾何形狀及其 2D 貝塞爾曲線。c,d) 等效密度的 CFCC MBO-3 和標準 CFCC 的 FESEM 圖像。

為了設計改進的材料， Serles 和Filleter 與韓國大田韓國科學技術院 (KAIST)的Seunghwa Ryu 教授和博士生 Jinwook Yeo 合作。此次合作由多倫多大學的國際博士生集群項目發(fā)起，該項目通過與國際合作者進行研究來支持博士生培訓。

KAIST 團隊采用了多目標貝葉斯優(yōu)化機器學習算法。這種算法從模擬幾何形狀中學習，預測最佳幾何形狀，以增強應力分布并提高納米結(jié)構(gòu)設計的強度重量比。

隨后，Serles使用位于流體技術研究與應用中心 (CRAFT)的雙光子聚合 3D 打印機創(chuàng)建了用于實驗驗證的原型。這種增材制造技術可以實現(xiàn)微米和納米級的 3D 打印，從而創(chuàng)建優(yōu)化的碳納米晶格。

這些優(yōu)化的納米晶格的強度比現(xiàn)有設計提高了一倍以上，每立方米每公斤密度可承受 2.03 兆帕的壓力，約為鈦的五倍。

△從左到右：完整晶格幾何圖像與漂浮在氣泡上的 1875 萬個細胞晶格并列。從左到右：完整晶格幾何圖像與漂浮在氣泡上的 1875 萬個晶格并列。（照片由 Peter Serles 拍攝）

Serles 說道：“這是機器學習首次應用于優(yōu)化納米結(jié)構(gòu)材料，我們對這種改進感到震驚。它不只是從訓練數(shù)據(jù)中復制成功的幾何形狀；它從形狀的哪些變化有效、哪些無效中學習，從而使其能夠預測全新的晶格幾何形狀�！�

機器學習通常需要大量數(shù)據(jù)，而使用有限元分析的高質(zhì)量數(shù)據(jù)時很難生成大量數(shù)據(jù)。但多目標貝葉斯優(yōu)化算法只需要 400 個數(shù)據(jù)點，而其他算法可能需要 20,000 個或更多。因此，研究人員使用了規(guī)模小得多但質(zhì)量極高的數(shù)據(jù)集。

菲萊特說：“我們希望這些新材料設計最終能為航空航天應用帶來超輕部件，例如飛機、直升機和航天器，它們可以在飛行過程中減少燃料需求，同時保持安全性和性能。這最終有助于減少飛行產(chǎn)生的高碳足跡�！�

Serles 補充道：“例如，如果你用這種材料替換飛機上由鈦制成的部件，那么每替換一公斤材料每年就可以節(jié)省 80 升燃料�！�

項目的其他貢獻者包括Yu Zou教授（MSE）、Chandra Veer Singh教授（MSE）、Jane Howe教授（MSE、ChemE）和Charles Jia教授（ChemE）， 以及來自德國卡爾斯魯厄理工學院（KIT）、麻省理工學院（MIT）和美國萊斯大學的國際合作者。  

現(xiàn)任加州理工學院 (Caltech) 施密特科學研究員的塞勒斯說：“這是一個多方面的項目，匯集了材料科學、機器學習、化學和力學等各種元素，以幫助我們了解如何改進和實施這項技術�！�  

Filleter 補充道：“我們的下一步將致力于進一步擴大這些材料設計的規(guī)模，以實現(xiàn)具有成本效益的宏觀組件。此外，我們將繼續(xù)探索新的設計，使材料結(jié)構(gòu)的密度更低，同時保持高強度和高剛度�！�