Прочные, как сталь, лёгкие, как пенопласт: машинное обучение и нано-3D-печать создают прорывные высокоэффективные материалы с наноструктурой

Исследователи с факультета прикладных наук и инженерии Университета Торонто использовали машинное обучение для разработки наноструктурированных материалов, которые обладают прочностью углеродистой стали, но при этом лёгкие, как пенопласт.

В новой статье, опубликованной в журнале «Передовые материалы», команда под руководством профессора Тобина Филлетара (MIE) описывает, как они создали наноматериалы с противоречивыми свойствами: исключительной прочностью, малым весом и возможностью настройки. Этот подход может быть полезен в самых разных отраслях, от автомобильной до аэрокосмической.

«Наноструктурированные материалы сочетают в себе высокопроизводительные формы, например, мост из треугольников, в наноразмерных масштабах, что позволяет использовать эффект «чем меньше, тем прочнее» для достижения одного из самых высоких соотношений прочности к весу и жёсткости к весу среди всех материалов, — говорит Питер Серлс (магистр машиностроения 1T9, доктор философии 2T4), первый автор новой статьи. – Однако стандартные формы и геометрия решёток, как правило, имеют острые пересечения и углы, что приводит к проблеме концентрации напряжений. Это приводит к преждевременному локальному разрушению и поломке материалов, ограничивая их общий потенциал. Размышляя над этой задачей, я понял, что это идеальная задача для машинного обучения».

Наноструктурированные материалы состоят из крошечных строительных блоков или повторяющихся элементов размером в несколько сотен нанометров — чтобы получить материал толщиной с человеческий волос, потребуется более 100 таких блоков, расположенных в ряд. Эти строительные блоки, которые в данном случае состоят из углерода, образуют сложные трёхмерные структуры, называемые нанорешётками.

Чтобы разработать улучшенные материалы, Серлс и Филлетер работали с профессором Сонхва Рю и аспирантом Джинвуком Ё в Корейском институте передовых наук и технологий (KAIST) в Тэджоне, Южная Корея. Это партнёрство было инициировано в рамках программы международных докторантских кластеров Университета Торонто, которая поддерживает докторантуру посредством участия в исследованиях с международными партнёрами.

Команда KAIST использовала многоцелевое байесовское оптимизационное машинное обучение. Этот алгоритм, основанный на моделировании геометрии, позволяет спрогнозировать наилучшую возможную геометрию для улучшения распределения напряжений и улучшения соотношения прочности к весу конструкций с наноархитектурой.

Затем Серлс использовал двухфотонный 3D-принтер для полимеризации, установленный в Центре исследований и применения жидкостных технологий (CRAFT) для создания прототипов для экспериментальной проверки. Эта технология аддитивного производства позволяет выполнять 3D-печать в микро- и наномасштабе, создавая оптимизированные углеродные нанорешётки.

Эти оптимизированные нанорешётки более чем в два раза превосходят по прочности существующие конструкции, выдерживая нагрузку в 2,03 мегапаскаля, что примерно в пять раз выше, чем у титана.

«Впервые машинное обучение было применено для оптимизации материалов с наноархитектурой, и мы были поражены результатами, — говорит Серлс. — Оно не просто воспроизвело удачные геометрии из обучающих данных; оно изучило, какие изменения в формах работают, а какие нет, что позволило ему предсказывать совершенно новые геометрии решёток.

«Машинное обучение обычно требует большого количества данных, и сложно генерировать много данных, когда вы используете высококачественные данные, полученные с помощью анализа методом конечных элементов. Но алгоритму многокритериальной байесовской оптимизации потребовалось всего 400 точек данных, в то время как другим алгоритмам может потребоваться 20 000 или более. Таким образом, мы смогли работать с гораздо меньшим, но чрезвычайно качественным набором данных».

«Мы надеемся, что эти новые материалы в конечном итоге приведут к созданию сверхлёгких компонентов для аэрокосмической отрасли, таких как самолёты, вертолёты и космические корабли, которые позволят сократить расход топлива во время полёта, сохраняя при этом безопасность и производительность, — говорит Филлеттер. — В конечном итоге это может помочь сократить высокий углеродный след от полётов».

«Например, если бы вы заменили титановые детали в самолёте на этот материал, вы бы сэкономили 80 литров топлива в год на каждый килограмм заменённого материала», — добавляет Серлс.

Среди других участников проекта — профессора Юй Цзоу (MSE), Чандра Вир Сингх (MSE), Джейн Хоу (MSE, ChemE) и Чарльз Цзя (ChemE), а также международные партнёры из Технологического института Карлсруэ (KIT) в Германии, Массачусетского технологического института (MIT) и Университета Райса в США.

“Это был многогранный проект, который объединил различные элементы материаловедения, машинного обучения, химии и механики, чтобы помочь нам понять, как улучшить и внедрить эту технологию”, - говорит Серлес, который сейчас является Научный сотрудник Шмидта в Калифорнийском технологическом институте (Caltech).

«Наши следующие шаги будут направлены на дальнейшее совершенствование масштабирования этих материалов, чтобы можно было создавать экономичные компоненты в макромасштабе, — добавляет Филлеттер. – Кроме того, мы продолжим изучать новые конструкции, которые позволят снизить плотность материалов, сохранив при этом высокую прочность и жёсткость».

Источник: Университет Торонто