• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  science >> Vetenskap >  >> Kemi
    Nytt superomnifobiskt glas svävar högt på fjärilsvingar med hjälp av maskininlärning

    Upphovsman:CC0 Public Domain

    Glas för teknik som skärmar, tabletter, bärbara datorer, smartphones, och solceller måste passera ljus, men skulle kunna dra nytta av en yta som stöter bort vatten, smuts, olja, och andra vätskor. Forskare från University of Pittsburghs Swanson School of Engineering har skapat ett nanostrukturglas som hämtar inspiration från glasvingarfjärilens vingar för att skapa en ny typ av glas som inte bara är mycket tydlig över en mängd olika våglängder och vinklar, men är också antidimning.

    Teamet publicerade nyligen ett papper som beskriver deras resultat:"Skapa Glasswing-Butterfly Inspired Durable Antifogging Omniphobic Supertransmissive, Superklart nanostrukturerat glas genom bayesiskt lärande och optimering "in Material Horizons . De presenterade nyligen detta arbete på ICML -konferensen i "Climate Change:How Can AI Help?" verkstad.

    Det nanostrukturerade glaset har slumpmässiga nanostrukturer, som glasvingens fjärilsvinga, som är mindre än våglängderna för synligt ljus. Detta gör att glaset har en mycket hög transparens på 99,5% när de slumpmässiga nanostrukturerna finns på båda sidor av glaset. Denna höga transparens kan minska ljusstyrkan och strömkraven på skärmar som kan, till exempel, förläng batteriets livslängd. Glaset är antireflekterande över högre vinklar, förbättra betraktningsvinklarna. Glaset har också låg dis, mindre än 0,1%, vilket resulterar i mycket tydliga bilder och text.

    "Glaset är superomnifobiskt, vilket betyder att det stöter bort en mängd olika vätskor som apelsinjuice, kaffe, vatten, blod, och mjölk, "förklarar Sajad Haghanifar, huvudförfattare till uppsatsen och doktorand i industriell teknik vid Pitt. "Glaset är också anti-imma, eftersom vattenkondensation tenderar att lätt rulla av ytan, och utsikten genom glaset förblir fri. Till sist, det nanostrukturerade glaset är tåligt mot nötning på grund av dess självläkande egenskaper-att slipa ytan med en grov svamp skadar beläggningen, men genom uppvärmning återställs den till sin ursprungliga funktion. "

    Naturliga ytor som lotusblad, malögon och fjärilsvingar uppvisar omnifobiska egenskaper som gör dem självrensande, bakterieresistent och vattenavvisande-anpassningar för överlevnad som utvecklats under miljoner år. Forskare har länge sökt inspiration från naturen för att replikera dessa egenskaper i ett syntetiskt material, och till och med att förbättra dem. Medan laget inte kunde lita på evolution för att uppnå dessa resultat, de använde istället maskininlärning.

    "Något viktigt med forskning om nanostrukturerat glas, särskilt, är att vi samarbetade med SigOpt för att använda maskininlärning för att nå vår slutprodukt, "säger Paul Leu, Ph.D., docent i industriteknik, vars laboratorium genomförde forskningen. Dr Leu har sekundärtjänster inom maskinteknik och materialvetenskap och kemiteknik. "När du skapar något sådant här, du börjar inte med mycket data, och varje försök tar mycket tid. Vi använde maskininlärning för att föreslå variabler som ska ändras, och det tog oss färre försök att skapa detta material som ett resultat. "

    "Bayesiansk optimering och aktiv sökning är de perfekta verktygen för att effektivt utforska balansen mellan transparens och omniphobicitet, det är, utan att behöva tusentals tillverkningar, kräver hundratals dagar. "sade Michael McCourt, Ph.D., forskningsingenjör på SigOpt. Bolong Cheng, Ph.D., forskningsingenjör på SigOpt, Lagt till, "Maskininlärning och AI -strategier är bara relevanta när de löser verkliga problem. Vi är glada över att kunna samarbeta med University of Pittsburgh för att få kraften i Bayesian aktivt lärande till en ny applikation."

    "Skapa Glasswing-Butterfly Inspired Durable Antifogging Omniphobic Supertransmissive, Superclear Nanostrured Glass Through Bayesian Learning and Optimization "var medförfattare av Sajad Haghanifar, och Paul Leu, från Pitt's Swanson School of Engineering; Michael McCourt och Bolong Cheng från SigOpt; och Paul Ohodnicki och Jeffrey Wuenschell från U.S. Department of Energy National Energy Laboratory.


    © Vetenskap https://sv.scienceaq.com