机器学习和 3D 打印可生产出像钢一样坚固、像泡沫一样轻的材料

多伦多大学应用科学与工程学院的研究人员利用机器学习设计了纳米结构材料，该材料具有碳钢的强度和聚苯乙烯泡沫塑料的轻盈度。

在一个新论文发表于先进材料由 Tobin Filleter 教授领导的团队描述了他们如何制造具有优异强度、轻质和可定制性的矛盾组合的纳米材料。该方法可以使从汽车到航空航天等广泛的行业受益。

“纳米结构材料结合了高性能形状，例如用纳米级尺寸的三角形制作桥梁，利用‘越小更强’的效应，实现一些最高的强度重量比和刚度比。任何材料的重量比，”新论文的第一作者 Peter Serles 说道。

“然而，所使用的标准晶格形状和几何形状往往具有尖锐的交叉点和拐角，这会导致应力集中的问题。这会导致材料的早期局部失效和破损，从而限制了它们的整体潜力。

“当我思考这个挑战时，我意识到这是一个完美的问题机器学习来应对。”

纳米结构材料由数百纳米大小的微小构件或重复单元组成，需要 100 多个连续排列的构件或重复单元才能达到人类头发的厚度。这些构建块（在本例中由碳组成）排列成称为纳米晶格的复杂 3D 结构。

为了设计改进的材料，Serles 和 Filleter 与 Seunghwa Ryu 教授和博士合作。韩国大田韩国科学技术院 (KAIST) 的学生 Jinwook Yeo。这种伙伴关系是通过多伦多大学的国际博士集群计划发起的，该计划通过与国际合作者的研究合作来支持博士培训。

KAIST 团队采用了多目标贝叶斯优化机器学习算法。该算法从模拟几何形状中学习，预测最佳可能的几何形状，以增强应力分布并提高纳米结构设计的强度重量比。

随后，Serles 使用流体技术研究与应用中心 (CRAFT) 中的双光子聚合 3D 打印机来创建用于实验验证的原型。这种增材制造技术可实现微米级和纳米级 3D 打印，从而创建优化的碳纳米晶格。

这些优化的纳米晶格的强度是现有设计的两倍多，每立方米每千克密度可承受 2.03 兆帕的应力，大约是钛的五倍。

“这是机器学习首次应用于优化纳米结构材料，我们对这些改进感到震惊，”Serles 说。“它不仅从训练数据中复制成功的几何形状；它还从形状的哪些变化有效、哪些无效中学习，使其能够预测全新的晶格几何形状。

“机器学习通常是数据密集型的，当您使用来自外部的高质量数据时，很难生成大量数据。有限元分析。但多目标贝叶斯优化算法只需要 400 个数据点，而其他算法可能需要 20,000 个或更多。因此，我们能够使用规模小得多但质量极高的数据集。”

“我们希望这些新材料设计最终能够在航空航天应用中实现超轻部件，例如飞机、直升机和航天器，这些部件可以减少飞行过程中的燃料需求，同时保持安全性和性能，”菲莱特说。“这最终有助于减少飞行的高碳足迹。”

Serles 补充道：“例如，如果您要将飞机上的钛制部件更换为这种材料，那么每更换一公斤材料，您每年将节省 80 升燃油。”

该项目的其他贡献者包括多伦多大学教授 Yu Zou、Chandra Veer Singh、Jane Howe 和 Charles Jia，以及来自德国卡尔斯鲁厄理工学院 (KIT)、麻省理工学院 (MIT) 和莱斯大学的国际合作者。美国。

“这是一个多方面的项目，汇集了来自材料科学、机器学习、化学和力学，帮助我们了解如何改进和实施这项技术。”Serles 说道，他现在是加州理工学院 (Caltech) 的施密特科学研究员。

Filleter 补充道：“我们下一步的重点是进一步扩大这些材料设计的规模，以实现具有成本效益的大型组件。”

“此外，我们将继续探索新的设计，将材料结构推向更低的密度，同时保持高强度和刚度。”