Forskare vid TU Delft har utvecklat ett nytt superkomprimerbart men starkt material utan att göra några experimentella tester alls, använder endast artificiell intelligens (AI). "AI ger dig en skattkarta, och vetenskapsmannen måste hitta skatten, säger Miguel Bessa, första författare till en publikation om detta ämne i Avancerade material den 14 oktober.

Hopfällbar cykel

Miguel Bessa, biträdande professor i materialvetenskap och teknik vid TU Delft, fick inspirationen till detta forskningsprojekt under sin tid vid California Institute of Technology. I ett hörn av Space Structures Lab, han lade märke till en satellitstruktur som kunde öppna långa solsegel från ett mycket litet paket.

Han undrade om det skulle vara möjligt att designa ett mycket komprimerbart men ändå starkt material som kunde komprimeras till en liten bråkdel av sin volym. "Om detta var möjligt, vardagliga föremål som cyklar, middagsbord och paraplyer kan vikas i fickan."

Invertera designprocessen

Nästa generation av material måste vara anpassningsbara, multifunktionell och avstämbar. Detta kan uppnås genom strukturdominerade material (metamaterial) som utnyttjar nya geometrier för att uppnå oöverträffade egenskaper och funktionalitet.

"Dock, metamaterialdesign har förlitat sig på omfattande experiment och en trial-and-error-metod, " säger Bessa. "Vi argumenterar för att invertera processen genom att använda maskininlärning för att utforska nya designmöjligheter, samtidigt som experimenten reduceras till ett absolut minimum."

Maskininlärning

"Vi följer en beräkningsdatadriven metod för att utforska ett nytt metamaterialkoncept och anpassa det till olika målegenskaper, val av basmaterial, längdskalor och tillverkningsprocesser." Guidad av maskininlärning, Bessa tillverkade två mönster i olika längdskalor som förvandlar sköra polymerer till lätta, återvinningsbara och superkomprimerbara metamaterial. Den makroskaliga designen är inställd för maximal kompressibilitet, medan mikroskalan är designad för hög styrka och styvhet.

Outnyttjade områden i designutrymmet

Än, Bessa hävdar att den viktigaste aspekten av verket inte är det speciella materialet som skapades, men möjligheten att nå outnyttjade regioner i designutrymmet via maskininlärning. "Det viktiga är att maskininlärning skapar en möjlighet att invertera designprocessen genom att byta från experimentellt styrda undersökningar till beräkningsdatadrivna, även om datormodellerna saknar viss information. De väsentliga förutsättningarna är att det finns "tillräckligt" med data om problemet av intresse, och att data är tillräckligt korrekta." Bessa är en stark förespråkare för datadriven forskning inom mekanik och materialvetenskap. "Datadriven vetenskap kommer att revolutionera sättet vi når nya upptäckter, och jag kan inte vänta på att se vad framtiden kommer att ge oss."