• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Nytt AI-verktyg upptäcker realistiska metamaterial med ovanliga egenskaper
    En schematisk illustration och elastiska egenskaper för RN-enhetscellerna samt nätverksarkitekturen för modellen för enhetscells elastiska egenskaper. Kredit:Avancerat material (2023). DOI:10.1002/adma.202303481

    En beläggning som kan dölja föremål som är synliga, eller ett implantat som beter sig precis som benvävnad — dessa extraordinära föremål är redan gjorda av "metamaterial". Forskare från TU Delft har nu utvecklat ett AI-verktyg som inte bara kan upptäcka sådana extraordinära material utan också gör dem tillverkningsfärdiga och hållbara. Detta gör det möjligt att skapa enheter med oöverträffade funktioner. De har publicerat sina resultat i Advanced Materials .



    Egenskaperna hos normala material, såsom styvhet och flexibilitet, bestäms av materialets molekylära sammansättning, men metamaterialens egenskaper bestäms av geometrin hos den struktur som de är byggda av. Forskare designar dessa strukturer digitalt och låter dem sedan 3D-printas. De resulterande metamaterialen kan uppvisa onaturliga och extrema egenskaper. Forskare har till exempel designat metamaterial som, trots att de är fasta, beter sig som en vätska.

    "Traditionellt använder designers de material som är tillgängliga för dem för att designa en ny enhet eller en maskin. Problemet med det är att utbudet av tillgängliga materialegenskaper är begränsat. Vissa egenskaper som vi skulle vilja ha finns helt enkelt inte i naturen. Vårt tillvägagångssätt är:berätta för oss vad du vill ha som egenskaper och vi konstruerar ett lämpligt material med de egenskaperna. Vad du då får är egentligen inte ett material utan något mitt emellan en struktur och ett material, ett metamaterial, säger professorn. Amir Zadpoor ​​vid institutionen för biomekanisk teknik.

    Nytt AI-verktyg upptäcker realistiska "metamaterial" med ovanliga egenskaper. Kredit:TU Delft

    Omvänd design

    En sådan materialupptäcktsprocess kräver att man löser ett så kallat "omvänt problem":problemet med att hitta den geometri som ger upphov till de egenskaper man önskar. Omvända problem är notoriskt svåra att lösa, det är där AI kommer in i bilden. Forskare från TU Delft har utvecklat modeller för djupinlärning som löser dessa omvända problem.

    "Även när omvända problem löstes tidigare har de begränsats av det förenklade antagandet att den småskaliga geometrin kan göras av ett oändligt antal byggstenar. Problemet med det antagandet är att metamaterial vanligtvis tillverkas genom 3D-utskrift. och riktiga 3D-skrivare har en begränsad upplösning, vilket begränsar antalet byggstenar som passar in i en given enhet", säger första författaren Dr. Helda Pahlavani.

    AI-modellerna som utvecklats av TU Delft-forskare bryter ny mark genom att kringgå alla sådana förenklade antaganden. "Så vi kan nu helt enkelt fråga:hur många byggstenar tillåter din tillverkningsteknik att du får plats i din enhet? Modellen hittar sedan den geometri som ger dig dina önskade egenskaper för antalet byggstenar som du faktiskt kan tillverka."

    Lås upp full potential

    Ett stort praktiskt problem som försummats i tidigare forskning har varit metamaterialens hållbarhet. De flesta befintliga mönster går sönder när de har använts några gånger. Det beror på att befintliga metoder för design av metamaterial inte tar hänsyn till hållbarhet.

    "Hittills har det bara handlat om vilka egenskaper som kan uppnås. Vår studie tar hänsyn till hållbarhet och väljer ut de mest hållbara designerna från en stor pool av designkandidater. Detta gör våra designs verkligen praktiska och inte bara teoretiska äventyr", säger Zadpoor.

    Metamaterialens möjligheter verkar oändliga, men den fulla potentialen är långt ifrån realiserad, säger biträdande professor Mohammad J. Mirzaali, motsvarande författare till publikationen. Detta beror på att hitta den optimala designen av ett metamaterial för närvarande fortfarande till stor del baserat på intuition, involverar försök och misstag och är därför arbetskrävande. Att använda en omvänd designprocess, där de önskade egenskaperna är utgångspunkten för designen, är fortfarande mycket ovanligt inom metamaterialområdet.

    "Men vi tror att steget vi har tagit är revolutionerande inom metamaterial. Det kan leda till alla möjliga nya tillämpningar." Det finns möjliga tillämpningar i ortopediska implantat, kirurgiska instrument, mjuka robotar, adaptiva speglar och exo-dräkter.

    Mer information: Helda Pahlavani et al, Deep Learning for Size-Agnostic Inverse Design of Random-Network 3D Printed Mechanical Metamaterials, Advanced Materials (2023). DOI:10.1002/adma.202303481

    Journalinformation: Avancerat material

    Tillhandahålls av Delft University of Technology




    © Vetenskap https://sv.scienceaq.com