Konstgjorda strukturer som kallas cellulära material har ett nätverk av inre utrymmen i en solid cellliknande matris. Deras porösa skumliknande arkitektur kombinerar fördelarna med låg densitet med styrka. Forskare vid National Institute for Materials Science (NIMS) och University of Tsukuba i Japan, under överinseende av Ikumu Watanabe vid NIMS, har använt en form av generativ artificiell intelligens (AI) för att utveckla ett nytt och förbättrat tillvägagångssätt för att designa cellulära material med exakt riktad porositet och styvhet.

Deras arbete publiceras i tidskriften Science and Technology of Advanced Materials .

"Till skillnad från konventionella tillvägagångssätt förlitar sig vår metod inte på en designers erfarenhet", säger beräkningsforskaren Xiaoyang Zheng, första författare till forskningsartikeln. "Vi kallar det ett omvänt tillvägagångssätt, för istället för att först föreslå en design och sedan testa den, utforskar systemet design från ett lågdimensionellt funktionsutrymme (dvs latent utrymme) och genererar automatiskt en design med önskade egenskaper."

Det finns många möjliga tillämpningar, men författarna lyfter fram potentialen för att använda sin metod för att designa benimplantat med en specifik önskad porositet, styvhet och elasticitet.

Den datoriserade designprocessen börjar med en 3D-geometrisk struktur som består av diskreta element som kallas voxels. Ett utbildat generativt AI-system, kallat ett villkorligt generativt motståndsnätverk, används sedan för att generera designen av ett 3D-gitter med riktade egenskaper. Äkta 3D-material som motsvarar den föreslagna designen konstrueras sedan och testas experimentellt med 3D-tryckta hartser. Deras beteende undersöktes också med datorsimuleringar.

"Även om vi tidigare hade utvecklat ett liknande 2D-system, var det en utmaning att expandera det till 3D på grund av den enorma beräkningsansträngning som krävdes", säger Zheng. "Att generera sådana 3D-geometridesigner är i framkant av den senaste tekniken, inte bara inom materialvetenskap utan även AI-forskning i allmänhet."

Förutom den föreslagna användningen för att göra benimplantat, pekar forskarna på potentiella framsteg inom det breda utbudet av applikationer där cellulära material för närvarande används och även övervägs för framtida utveckling. Dessa inkluderar material för mjuk robotik, mjuk elektronik och switchar och elektrokemisk energilagring och omvandling.

"Den stora egenskapen med tillvägagångssättet är mångfalden av lösningar den kan tillhandahålla, vilket genererar många möjliga kandidater för många olika material," avslutar Zheng.

Efter att ha visat systemets genomförbarhet och potential planerar teamet nu att använda det för att utforska en mängd olika avancerade material. Som en del av detta arbete hoppas de kunna utöka omfattningen av AI-systemet så att det kan inrikta sig på en bredare variation av egenskaper i de material det designar.

Mer information: Xiaoyang Zheng et al, Deep-learning-baserad omvänd design av tredimensionellt uppbyggda cellulära material med målporositet och styvhet med hjälp av voxeliserade Voronoi-gitter, Science and Technology of Advanced Materials (2022). DOI:10.1080/14686996.2022.2157682

Journalinformation: Vetenskap och teknik för avancerade material

Tillhandahålls av National Institute for Materials Science