[ad_1]
Инновационная система ИИ от MIT CSAIL сочетает в себе моделирование и физические испытания для создания материалов с новыми свойствами прочности и гибкости для различных инженерных применений. Наблюдая за видео, представленным Рэйчел Гордон из MIT CSAIL и опубликованным 14 февраля 2024 года, можно увидеть, как развиваются этапы разработки 3D-печатных микроструктур. На одном из изображений показаны взаимосвязанные сетевые диаграммы с двумя выделенными узлами, а на другом – двумерный пиксельный узор микроструктуры, напоминающий кроссворд. Ниже представлен физический объект, демонстрирующий тот же сложный узор, что предполагает, что это прототип, напечатанный на 3D-принтере.
Новый вычислительный процесс, разработанный в течение трех лет, эффективно идентифицирует жесткие и прочные микроструктуры, подходящие для 3D-печати в широком спектре инженерных приложений. Этот подход значительно сокращает время разработки высокопроизводительных композитных микроструктур и требует минимальных знаний в области материаловедения.
Каждый раз, когда вы без проблем перемещаетесь из точки А в точку Б на автомобиле, вы наслаждаетесь не только удобством вашего транспортного средства, но и сложной инженерией, которая делает его безопасным и надежным. За комфортными и защитными функциями скрывается менее известный, но критически важный аспект: оптимизированная механическая производительность микроструктурированных материалов. Эти материалы, будучи неотъемлемой, но часто непризнанной частью, укрепляют ваш автомобиль, обеспечивая его долговечность и прочность на каждом путешествии.
К счастью, ученые из Лаборатории компьютерных наук и искусственного интеллекта MIT (CSAIL) уже подумали об этом за вас. Группа исследователей вышла за рамки традиционных методов проб и ошибок, чтобы создать материалы с исключительными характеристиками с помощью вычислительного проектирования. Их новая система интегрирует физические эксперименты, физически обоснованные симуляции и нейронные сети для преодоления часто встречающихся расхождений между теоретическими моделями и практическими результатами. Одним из самых поразительных результатов стало открытие микроструктурированных композитов, используемых во всем, от автомобилей до самолетов, которые оказались намного более прочными и долговечными, с оптимальным балансом жесткости и прочности.
“Проектирование и изготовление композитов является фундаментальным для инженерии. Мы надеемся, что последствия нашей работы выйдут далеко за рамки области твердотельной механики. Наш метод предоставляет чертеж для вычислительного проектирования, который можно адаптировать к различным областям, таким как полимерная химия, гидродинамика, метеорология и даже робототехника”, – говорит Бэйчен Ли, аспирант MIT по специальности электротехника и компьютерные науки, аффилированный сотрудник CSAIL и ведущий исследователь проекта.
В начале этого месяца была опубликована статья с открытым доступом в журнале Science Advances.
В ярком мире материаловедения атомы и молекулы подобны крошечным архитекторам, постоянно сотрудничающими для создания будущего всего. Тем не менее, каждый элемент должен найти своего идеального партнера, и в данном случае акцент был сделан на поиске баланса между двумя критическими свойствами материалов: жесткостью и прочностью. Их метод включал в себя большое пространство дизайна из двух типов базовых материалов — одного твердого и хрупкого, другого мягкого и пластичного — для исследования различных пространственных расположений с целью открытия оптимальных микроструктур.
Ключевым нововведением в их подходе было использование нейронных сетей в качестве замещающих моделей для симуляций, что сокращает время и ресурсы, необходимые для проектирования материалов. “Этот эволюционный алгоритм, ускоренный с помощью нейронных сетей, направляет наше исследование, позволяя нам эффективно находить образцы с лучшими характеристиками”, – говорит Ли.
Волшебные микроструктуры
Исследовательская группа начала свой процесс с создания 3D-печатных фотополимеров, размером примерно с смартфон, но более тонких, и добавления на каждый маленькой выемки и треугольного выреза. После специализированной обработки ультрафиолетовым светом образцы оценивались с использованием стандартной испытательной машины – Instron 5984 – для проведения растягивающих испытаний с целью измерения прочности и гибкости.
Одновременно исследование сочетало в себе физические испытания с продвинутыми симуляциями. С помощью высокопроизводительной вычислительной системы команда могла предсказывать и уточнять характеристики материалов еще до их создания. Самым большим достижением, по их словам, было в тонкой технике соединения различных материалов на микроскопическом уровне – методе, включающем сложный узор из крошечных капель, сливающих жесткие и гибкие вещества, достигая правильного баланса между прочностью и гибкостью. Симуляции тесно совпадали с результатами физических испытаний, подтверждая общую эффективность.
Завершающим элементом системы стал их алгоритм “Нейросетевая ускоренная многокритериальная оптимизация” (NMO) для навигации по сложному ландшафту дизайна микроструктур, раскрывая конфигурации, демонстрирующие почти оптимальные механические свойства. Рабочий процесс функционирует как самокорректирующийся механизм, постоянно уточняя предсказания для более точного соответствия реальности.
Однако путь не обошелся без трудностей. Ли подчеркивает сложности в поддержании постоянства в 3D-печати и интеграции предсказаний нейронных сетей, симуляций и реальных экспериментов в эффективный процесс.
Что касается следующих шагов, команда сосредоточена на том, чтобы сделать процесс более удобным и масштабируемым. Ли предвидит будущее, в котором лаборатории будут полностью автоматизированы, сводя к минимуму необходимость в человеческом надзоре и максимизируя эффективность. “Наша цель – увидеть, как все, от изготовления до тестирования и вычислений, автоматизировано в интегрированной лабораторной установке”, – заключает Ли.
Авторами статьи вместе с Ли являются старший автор и профессор MIT Войчех Матусик, а также ассоциированный профессор Похангского университета науки и технологий Тэ-Хён О, аффилированные сотрудники MIT CSAIL Болей Денг, бывший постдоктор и ныне ассистент профессора в Georgia Tech; Ван Шоу, бывший постдоктор и ныне ассистент профессора в Университете Арканзаса; Юаньмин Ху, магистр наук MIT ’18, доктор философии ’21; Июэ Луо, магистр наук MIT ’20; и Лян Ши, аспирант MIT по специальности электротехника и компьютерные науки. Исследование частично поддержано компанией Baden Aniline and Soda Factory (BASF).
Источник: Rachel Gordon | MIT CSAIL
[ad_2]
Source link
