机器学习和3D打印生产出钢铁坚固、泡沫轻的材料

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具有碳钢强度但聚苯乙烯泡沫塑料重量轻的纳米结构材料

在《Advanced Materials》上发表的一篇新论文中，Tobin Filleter教授领导的一个团队描述了他们如何制造出具有特殊强度、轻质和可定制性相矛盾组合的纳米材料。这种方法可以使从汽车到航空航天的广泛行业受益

“纳米结构材料结合了高性能的形状，比如在纳米尺度上用三角形制作一座桥，这利用了‘越小越好’的效应，实现了任何材料中最高的强度重量比和刚度重量比，”这篇新论文的第一作者Peter Serles说

“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，这导致了应力集中的问题。这会导致材料的早期局部失效和断裂，限制了它们的整体潜力。

”当我思考这一挑战时，我意识到这是机器学习要解决的一个完美问题。“

纳米结构材料是由尺寸为几百纳米的微小构建块或重复单元组成的，需要100多个连续图案化才能达到人类头发的厚度。在这种情况下，这些由碳组成的构建块排列在称为纳米晶格的复杂3D结构中。

为了设计他们改进的材料，Serles和Filleter与韩国大田韩国高等科学技术研究院（KAIST）的Seunghwa Ryu教授和博士生Jinwook Yeo合作。这一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。该算法从模拟的几何形状中学习，以预测最佳的几何形状，从而增强应力分布并提高纳米架构设计的强度重量比

然后，Serles使用位于流体技术研究与应用中心（CRAFT）的双光子聚合3D打印机创建了用于实验验证的原型。这种增材制造技术实现了微米和纳米尺度的3D打印，创造了优化的碳纳米晶格

这些优化的纳米晶格使现有设计的强度增加了一倍多，每立方米每千克密度可承受2.03兆帕的应力，约为钛的五倍

Serles说：“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。”。“它不仅从训练数据中复制了成功的几何形状；它还从形状的变化中学习了哪些有效，哪些无效，使其能够预测全新的晶格几何形状。

与依赖Phys.org获取日常见解的100000多名订阅者一起探索科学、技术和空间的最新进展。注册我们的免费通讯，每天或每周获取有关突破、创新和重要研究的最新信息。

”机器学习通常是数据密集型的，当你使用有限元分析的高质量数据时，很难生成大量数据。但是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20000个或更多。因此，我们能够使用更小但质量极高的数据集。Filleter说：“我们希望这些新材料设计最终将导致航空航天应用中的超轻部件，如飞机、直升机和航天器，这些部件可以在保持安全性和性能的同时减少飞行过程中的燃料需求。这最终有助于减少飞行的高碳足迹。”。Serles补充道：“

例如，如果你用这种材料替换飞机上的钛制成的部件，你会发现每替换一公斤材料每年可以节省80升的燃料。”

该项目的其他贡献者包括多伦多大学教授邹宇、钱德拉·维尔·辛格、简·豪和查尔斯·贾，以及来自德国卡尔斯鲁厄理工学院（KIT）、麻省理工学院和美国莱斯大学的国际合作者。

“这是一个多方面的项目，汇集了从材料科学、机器学习、化学和力学到Serles现在是加州理工学院（Caltech）的施密特科学研究员，他说：“帮助我们了解如何改进和实施这项技术。”Filleter补充道：“我们的下一步将侧重于进一步扩大这些材料设计的规模，以实现具有成本效益的宏观尺度组件。”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。p