Onderzoekers van de TU Delft hebben een nieuw supercomprimeerbaar maar sterk materiaal ontwikkeld zonder enige experimentele tests uit te voeren, met alleen kunstmatige intelligentie (AI). "AI geeft je een schatkaart, en de wetenschapper moet de schat vinden, " zegt Miguel Bessa, eerste auteur van een publicatie over dit onderwerp in Geavanceerde materialen op 14 oktober.

Opvouwbare fiets

Miguel Bessa, universitair docent materiaalkunde en techniek aan de TU Delft, kreeg de inspiratie voor dit onderzoeksproject tijdens zijn tijd aan het California Institute of Technology. Op een hoek van het Space Structures Lab, hij zag een satellietstructuur die vanuit een heel klein pakket lange zonnezeilen kon openen.

Hij vroeg zich af of het mogelijk zou zijn om een ​​zeer samendrukbaar maar sterk materiaal te ontwerpen dat tot een klein deel van zijn volume kan worden samengeperst. "Als dit mogelijk was, alledaagse voorwerpen zoals fietsen, eettafels en parasols konden in je zak worden gevouwen."

Het ontwerpproces omkeren

De volgende generatie materialen moet adaptief zijn, multifunctioneel en afstembaar. Dit kan worden bereikt door structuurgedomineerde materialen (metamaterialen) die gebruikmaken van nieuwe geometrieën om ongekende eigenschappen en functionaliteit te bereiken.

"Echter, metamateriaalontwerp is gebaseerd op uitgebreide experimenten en een trial-and-error-aanpak, " zegt Bessa. "We pleiten ervoor om het proces om te keren door machine learning te gebruiken voor het verkennen van nieuwe ontwerpmogelijkheden, terwijl het experimenteren tot een absoluut minimum wordt beperkt."

Machinaal leren

"We volgen een computationele datagestuurde benadering voor het verkennen van een nieuw metamateriaalconcept en het aanpassen ervan aan verschillende doeleigenschappen, keuze van basismaterialen, lengteschalen en productieprocessen." Geleid door machine learning, Bessa maakte twee ontwerpen op verschillende lengteschalen die brosse polymeren omzetten in lichtgewicht, herstelbare en super-samendrukbare metamaterialen. Het ontwerp op macroschaal is afgestemd op maximale samendrukbaarheid, terwijl de microschaal is ontworpen voor hoge sterkte en stijfheid.

Ongebruikte gebieden van de ontwerpruimte

Nog, Bessa stelt dat het belangrijkste aspect van het werk niet het specifieke materiaal is dat is gemaakt, maar de mogelijkheid om via machine learning onaangeboorde gebieden van de ontwerpruimte te bereiken. "Het belangrijkste is dat machine learning een mogelijkheid creëert om het ontwerpproces om te keren door te verschuiven van experimenteel geleide onderzoeken naar computationeel datagestuurde onderzoeken, zelfs als de computermodellen wat informatie missen. Essentiële vereisten zijn dat er 'voldoende' gegevens over het probleem van belang beschikbaar zijn, en dat de gegevens voldoende nauwkeurig zijn." Bessa is een groot voorstander van gegevensgestuurd onderzoek in de mechanica en materiaalkunde. "Datagestuurde wetenschap zal een revolutie teweegbrengen in de manier waarop we tot nieuwe ontdekkingen komen, en ik kan niet wachten om te zien wat de toekomst ons zal brengen."