机器学习工具可以帮助开发更坚硬的材料

对于开发新材料或防护涂层的工程师来说，有数十亿种不同的可能性可供选择。实验室测试甚至是详细的计算机模拟来确定它们的确切属性，比如韧性，可能需要几个小时、几天甚至更长时间。现在，麻省理工学院开发的一种基于人工智能的新方法可以将这一过程缩短到几毫秒，从而使筛选大量候选材料成为可能。

麻省理工学院的研究人员希望的系统,可以用于开发更强的防护涂料或结构材料——例如,从影响保护飞机或飞船——杂志上的一篇论文中描述,由麻省理工学院博士后Chi-Hua Yu,土木与环境工程教授和部门主管马库斯·j·比勒和林玉娟许在国立台湾大学。

这项工作的重点是通过分析裂纹在材料分子结构中的传播，预测材料破裂或断裂的方式。比勒和他的同事们花了多年时间对断裂和其他失效模式进行了详细的研究，因为了解失效过程是开发坚固可靠材料的关键。比勒说:“我的实验室的一个专长是使用我们所称的分子动力学模拟，或基本的原子对原子的模拟。”

他说，这些模拟提供了关于压裂如何发生的精确化学描述。但它很慢，因为它需要解每个原子的运动方程。“模拟这些过程需要很多时间，”他说。该小组决定探索利用机器学习系统来简化这一过程的方法。

他说:“我们正在走一条弯路。”“我们一直在问，如果你只是观察(在给定的材料中)裂缝是如何发生的，然后让电脑自己了解这种关系，会怎么样?”为了做到这一点，人工智能(AI)系统需要使用各种各样的例子作为训练集，以了解材料的特性和性能之间的相关性。

在这种情况下，他们研究的是由晶体材料制成的各种复合层状涂层。根据分子动力学模拟，这些变量包括层的组成和有序晶体结构的相对方向，以及这些材料各自对破裂的反应方式。“我们基本上是一个原子一个原子地模拟物质如何破裂，然后我们记录下这些信息，”比勒说。

该团队使用原子对原子的模拟来确定裂纹是如何通过不同的材料传播的。这个动画展示了一个这样的模拟，在这个模拟中，裂纹一直传播下去。

他们煞费苦心地制作了数百个这样的模拟，包括各种各样的结构，并对每个结构进行了许多不同的模拟裂缝。然后，他们将所有这些模拟的大量数据输入他们的人工智能系统，看看它能否发现潜在的物理原理，并预测一种不属于训练集的新材料的性能。

它也确实做到了。“这是真正令人兴奋的事情，”比勒说，“因为通过人工智能的计算机模拟可以使用分子动力学或有限元模拟来完成通常需要很长时间的工作，这是工程师们解决这个问题的另一种方法，但它也非常缓慢。”所以，这是一种全新的模拟材料失效的方法。”

比勒强调，材料如何失效对于任何工程项目都是至关重要的信息。断裂等材料故障是“任何行业亏损的最大原因之一”。对飞机、火车、汽车、道路、基础设施、混凝土、钢铁腐蚀的检测，或对生物组织(如骨骼)的断裂的了解，以及用人工智能模拟断裂的能力，都是真正的游戏规则改变者。”

用这种方法生产的速度有了显著的提高。Hsu解释说:“在分子动力学的单个模拟中，运行模拟需要几个小时，但是在这个人工智能预测中，只需要10毫秒就可以完成所有的模式预测，并显示裂纹是如何一步一步形成的。”

他们开发的方法是非常普遍的，比勒说。“尽管在我们的论文中，我们只将其应用于一种具有不同晶体取向的材料，但你可以将这种方法应用于更复杂的材料。”虽然他们使用的数据来自原子模拟，该系统也可以用来作出预测的基础上的实验数据，如材料正在破裂的图像。

“如果我们有一种以前从未模拟过的新材料，”他说，“如果我们有很多压裂过程的图像，我们也可以把这些数据输入到机器学习模型中。”“不管输入的是模拟的还是实验的，人工智能系统本质上都是一帧一帧地进行进化过程，注意到每幅图像与之前的图像有何不同，以便了解潜在的动态。”

例如，当研究人员使用麻省理工学院的新设备时。纳米，该研究所致力于在纳米尺度下制造和测试材料的设施，将产生大量关于各种合成材料的新数据。

“随着我们拥有越来越多的高通量实验技术，这些技术可以以自动化的方式非常快速地生成大量图像，这些数据源可以立即输入到机器学习模型中，”比勒说。“我们真的认为，未来我们会在实验和模拟之间有更多的整合，比我们过去有更多的整合。”

他说，该系统不仅可以应用于压裂，就像这个团队在最初的演示中所做的那样，还可以应用于各种随时间推移的过程，比如一种物质扩散到另一种物质，或者腐蚀过程。“任何时候，只要你有物理场的演变，我们想知道这些场如何演变成微观结构的功能，”他说，这种方法可能是一个福音。

这项研究得到了美国海军研究办公室和陆军研究办公室的支持。