基於AI的結構可產生對具有復雜功能的缺陷的超材料

許多工業產品（從汽車保險槓到航空航天板和醫療植入物）都導致其性能到輕型細胞材料。這些勤奮的合成旨在實現功能的特定目標，但是在製造過程中經常引入的缺陷會導致非績效甚至災難性故障。

現在，由加利福尼亞大學領導的研究人員團隊已經開發了一種由AI控制的新結構，可以更有效地開發具有非凡的機械性能，吸收能力和對缺陷的敏感性的，具有非凡的機械性能，吸收能力和敏感性。

在他們的文章中 出版 v 自然情報研究人員展示了他們的專利建模方法重複的GraphMetamat如何使用深度學習方法來克服超材料和生產的設計之間的差距，從而為新的和非常有用的材料鋪平道路。

Jaoi（Rhine）Zheng Zheng說：“到目前為止，在人工智能領域和材料設計中所做的大部分工作都位於理論和計算領域，它們為您提供了一種在理想條件下運作良好的設計。”

“ GraphMetAmat表明AI可以為您提供適合特定生產方法的現實設計，例如，第3D優先級，並經過優化以承受與生產相關的各種缺陷。它為自動設計製造的，有缺陷的材料的基礎設定了具有功能性功能的有缺陷材料。”

儘管數據設計領域的成就和增材生產的成就顯著加速了農場超材料的發展，但鄭解釋說，反向項目的現有方法具有不可剝奪的限制。它們可以產生具有目標線性特性（例如彈性）的超材料，但他們正在努力捕獲更複雜的非線性行為，例如吸收諸如汽車保險箱和保護性運動器材等物體所需的能量。

Zheng說：“在直覺的指導下，設計方法，例如拓撲優化或迭代方法，非常適合預測簡單的答案。” “但是對於許多真正的問題，這些方法無法有效地設計材料，具有必要的功能，生產和對生產過程中引入的缺陷的耐受性。”

最近，研究人員考慮了使用神經圖來設計超材料的設計，因為這是檢測藥物的強大工具。但是幾乎沒有教育數據可以開發超材料。

Zheng和他的同事 – 研究已經解決了這個問題，整合了幾種深度學習方法 – 領先的訓練，模擬，替代模型，並將蒙特 – 卡洛 – carlo-搜索到GraphMetamat樹中。

“用戶可以根據用戶入口完全從頭開始創建超材料設計，例如所需的應力曲線 – 削弱振動的良好或特定差距，在某些頻率下，機械波被阻塞，”材料和工程部門的後者Marco Maurizi說，在某些頻率下，材料和工程部的後者Marco Maurizi說。 “我們的AI系統並迭代地添加了圖形節點和肋骨，以確定材料的幾何形狀和拓撲結構。”

最重要的是，根據Zhenga的說法，GraphMetamat還可以整合圖形上的工程限制，包括缺陷的生產和限制。

他說：“ GraphMetamat具有獨特的能力，可以考慮到製造商所造成的缺點。” “這項創新具有遊戲規則，因為它可以保證，如果生產過程中產生的較小缺陷，產生的超材料不會失敗。”

為了證明這一概念，研究人員使用GraphMetamat來開發對農場的輕型超材料，以吸收能量並在各種頻率下柔化振動。對於每種使用選項，生成的超材料始終超過傳統材料，包括聚合物泡沫和聲音晶體。

鄭說：“根據我們的結論，GraphMetamat可以減少設計範式。” “這為創造現實，高性能的超材料的新機會打開了大門。”