蓋世汽車訊 運動鞋鞋底夾層和汽車保險杠等超材料設(shè)計旨在承載負載或抵抗沖擊，但相關(guān)的設(shè)計過程容易出錯，無法實現(xiàn)預(yù)期目標。據(jù)外媒報道，加州大學伯克利分校工程學院開發(fā)出創(chuàng)新設(shè)計方法，利用人工智能和增材制造來確保這些專用材料具有最佳功能和目標行為。

研究人員利用機器學習來反向設(shè)計材料和工程產(chǎn)品中復雜的機械行為，并可通過桌面3D打印機將其打印出來。這種基于人工智能的新設(shè)計方法有望提高材料性能，大大簡化制造過程，并開發(fā)具有新機械性能的材料。材料科學與工程學副教授、首席研究員Xiaoyu “Rayne” Zheng表示:“這種基于機器學習的設(shè)計方法能夠快速創(chuàng)建具有用戶定義性能和目標屬性的材料，使所有用戶都有可能定義其目標產(chǎn)品的機械行為。其余的工作可以留給人工智能和3D打印機，以提供完全符合期望的產(chǎn)品。”

頭盔、拳擊手套和汽車保險杠等產(chǎn)品均采用應(yīng)力-應(yīng)變或力-位移曲線設(shè)計，因此能夠抵抗外力和其他沖擊。這些曲線記錄了材料在承受載荷時的完整變形過程，并提供與其機械性能有關(guān)的所有信息。但是，目前的設(shè)計方法僅涵蓋有限的機械性能選項，而且由于制造過程存在不確定性和誤差，在測量值中很少能看到所需的性能。

面對這一挑戰(zhàn)，研究人員著手開發(fā)基于人工智能的材料設(shè)計方法。這種方法不僅需要繞過迭代設(shè)計制造過程，還要能提供具有精確機械行為的產(chǎn)品。Zheng表示:“通過這種方法，用戶可以輸入曲線中描述的預(yù)期機械行為，然后將這些數(shù)據(jù)輸入機器學習代碼以生成設(shè)計，這個過程只需要幾秒鐘。一旦該設(shè)計被3D打印出來，就會復制所需的機械行為?，F(xiàn)在，這種基于機器學習的設(shè)計方法仍處于早期階段，但可以實現(xiàn)幾乎任何類型的材料行為，準確率接近90%?！?/p>

為了創(chuàng)建基于人工智能的設(shè)計方法，研究人員首先要開發(fā)和實施集成機器學習框架。該框架由反向預(yù)測模塊和正向驗證模塊組成。該研究的共同主要作者Chansoo Ha表示:“反向模塊根據(jù)預(yù)期機械行為來設(shè)計材料的微觀結(jié)構(gòu)，然后所設(shè)計的材料被傳遞到正向模塊以評估其機械行為。這有助于確保將所需的特性準確地反映在成品中?！?/p>

接下來，研究人員開發(fā)了一系列立方對稱、基于支柱的單元來訓練機器學習模型。這些單元的晶格結(jié)構(gòu)幾乎有望實現(xiàn)所有機械行為和相應(yīng)的應(yīng)力-應(yīng)變曲線。研究人員接著3D打印這些單元，并對其進行測試以生成訓練數(shù)據(jù)集。

該團隊展示了利用機器學習來設(shè)計結(jié)構(gòu)的潛力。這些結(jié)構(gòu)能夠吸收大量碰撞能量，并充分減少傳遞到人體的沖擊量。據(jù)介紹，這種設(shè)計和制造方法還有望用于制造防護裝備、隔音材料和更復雜的材料(如光學薄膜涂層)，以及具有帶隙或形狀記憶效應(yīng)的材料。采用這種方法，最終有望創(chuàng)造出具有新穎特性的材料。

Zheng表示:“這種人工智能設(shè)計方法可以實現(xiàn)前所未有的機械行為，例如承載應(yīng)力-應(yīng)變曲線的材料，包含先進的特征、曲率和定制能量吸收形狀。這一發(fā)現(xiàn)為產(chǎn)品和材料設(shè)計提供了新的范例，讓大家不再局限于自然界中發(fā)現(xiàn)的材料?！?/p> 　　

鄭重聲明：此文內(nèi)容為本網(wǎng)站轉(zhuǎn)載企業(yè)宣傳資訊，目的在于傳播更多信息，與本站立場無關(guān)。僅供讀者參考，并請自行核實相關(guān)內(nèi)容。