Kunstmatige structuren, cellulaire materialen genoemd, hebben een netwerk van interne ruimtes binnen een vaste celachtige matrix. Hun poreuze, schuimachtige architectuur combineert de voordelen van een lage dichtheid met sterkte. Onderzoekers van het National Institute for Materials Science (NIMS) en de Universiteit van Tsukuba in Japan, onder toezicht van Ikumu Watanabe van NIMS, hebben een vorm van generatieve kunstmatige intelligentie (AI) toegepast om een ​​nieuwe en verbeterde aanpak te ontwikkelen voor het ontwerpen van cellulaire materialen met nauwkeurig gerichte porositeit en stijfheid.

Hun werk is gepubliceerd in het tijdschrift Science and Technology of Advanced Materials .

"In tegenstelling tot conventionele benaderingen is onze methode niet afhankelijk van de ervaring van een ontwerper", zegt computationeel onderzoeker Xiaoyang Zheng, eerste auteur van het onderzoeksartikel. "We noemen het een omgekeerde benadering, omdat in plaats van eerst een ontwerp voor te stellen en het vervolgens te testen, het systeem ontwerpen onderzoekt vanuit een laag-dimensionale kenmerkruimte (d.w.z. latente ruimte) en automatisch een ontwerp genereert met de gewenste eigenschappen."

Er zijn veel mogelijke toepassingen, maar de auteurs benadrukken het potentieel om hun methode te gebruiken om botimplantaten te ontwerpen met een specifieke gewenste porositeit, stijfheid en elasticiteit.

Het geautomatiseerde ontwerpproces begint met een geometrische 3D-structuur die is samengesteld uit afzonderlijke elementen die voxels worden genoemd. Een getraind generatief AI-systeem, een voorwaardelijk generatief vijandig netwerk genoemd, wordt vervolgens gebruikt om het ontwerp van een 3D-rooster met gerichte eigenschappen te genereren. Echte 3D-materialen die overeenkomen met het voorgestelde ontwerp worden vervolgens experimenteel geconstrueerd en getest met behulp van 3D-geprinte harsen. Ook hun gedrag werd onderzocht met behulp van computersimulaties.

"Hoewel we eerder een soortgelijk 2D-systeem hadden ontwikkeld, was het uitbreiden ervan naar 3D een uitdaging vanwege de enorme rekeninspanning die daarvoor nodig was", zegt Zheng. "Het genereren van dergelijke 3D-geometrieontwerpen is toonaangevend op het gebied van de techniek, niet alleen op het gebied van de materiaalkunde, maar ook op het gebied van AI-onderzoek in het algemeen."

Naast het voorgestelde gebruik voor het maken van botimplantaten wijzen de onderzoekers op mogelijke vooruitgang in het brede scala aan toepassingen waarin cellulaire materialen momenteel worden gebruikt en die ook in aanmerking komen voor toekomstige ontwikkeling. Deze omvatten materialen voor zachte robotica, zachte elektronica en schakelaars, en elektrochemische energieopslag en -conversie.

"Het geweldige kenmerk van de aanpak is de diversiteit aan oplossingen die het kan bieden, waardoor er veel mogelijke kandidaten voor veel verschillende materialen ontstaan", besluit Zheng.

Nadat het team de haalbaarheid en het potentieel van het systeem heeft aangetoond, is het team van plan het te gebruiken om een ​​verscheidenheid aan geavanceerde materialen te onderzoeken. Als onderdeel van dit werk hopen ze de reikwijdte van het AI-systeem uit te breiden, zodat het zich kan richten op een grotere verscheidenheid aan eigenschappen in de materialen die het ontwerpt.

Meer informatie: Xiaoyang Zheng et al., Op diep leren gebaseerd omgekeerd ontwerp van driedimensionaal ontworpen cellulaire materialen met de beoogde porositeit en stijfheid met behulp van voxelized Voronoi-roosters, Wetenschap en technologie van geavanceerde materialen (2022). DOI:10.1080/14686996.2022.2157682

Journaalinformatie: Wetenschap en technologie van geavanceerde materialen

Aangeboden door het Nationaal Instituut voor Materiaalwetenschappen