使用 AI 发现坚硬而坚韧的微观结构

每次您顺利地从 A 点驾驶到 B 点时，您不仅享受了汽车的便利，还享受了使其安全可靠的复杂工程。除了舒适性和保护功能之外，还有一个鲜为人知但至关重要的方面：微结构材料经过专业优化的机械性能。这些材料是不可或缺的，但往往不为人所知，它们可以加固您的车辆，确保每次旅程的耐用性和强度。

幸运的是，麻省理工学院计算机科学和人工智能实验室（CSAIL）的科学家们已经为你考虑了这一点。一组研究人员超越了传统的试错方法，通过计算设计创造了具有非凡性能的材料。他们的新系统集成了物理实验、基于物理的模拟和神经网络，以解决理论模型和实际结果之间经常出现的差异。最引人注目的成果之一是发现了微结构复合材料——用于从汽车到飞机的所有东西——它们更坚韧、更耐用，在刚度和韧性之间取得了最佳平衡。

“复合材料设计和制造是工程的基础。我们工作的意义有望远远超出固体力学领域。我们的方法为计算设计提供了蓝图，可以适应高分子化学、流体动力学、气象学甚至机器人技术等不同领域，“麻省理工学院电气工程和计算机科学博士生、CSAIL附属机构、该项目的首席研究员Beichen Li说。

本月早些时候，一篇关于这项工作的开放获取论文发表在 《科学进展》 上。

在充满活力的材料科学世界中，原子和分子就像微小的建筑师，不断合作以构建万物的未来。尽管如此，每个元素都必须找到其完美的伴侣，在这种情况下，重点是在材料的两个关键特性之间找到平衡：刚度和韧性。他们的方法涉及两种类型的基材（一种是硬的和脆的，另一种是软的和延展性的）的大设计空间，以探索各种空间排列，以发现最佳的微观结构。

他们方法的一个关键创新是使用神经网络作为模拟的替代模型，从而减少了材料设计所需的时间和资源。“这种由神经网络加速的进化算法指导了我们的探索，使我们能够有效地找到性能最佳的样本，”李说。

神奇的微观结构

研究小组通过制作3D打印的光敏聚合物开始了他们的过程，该光敏聚合物的大小与智能手机差不多，但更薄，并在每个光敏上添加了一个小缺口和一个三角形切口。经过专门的紫外线处理后，使用标准试验机 Instron 5984 对样品进行拉伸试验，以测量强度和柔韧性。

同时，该研究将物理试验与复杂的模拟相结合。使用高性能计算框架，该团队甚至可以在创建材料特性之前预测和改进它们。他们说，最大的壮举是在微观尺度上结合不同材料的微妙技术 – 这种方法涉及微小液滴的复杂图案，融合了刚性和柔韧性物质，在强度和柔韧性之间取得了适当的平衡。模拟结果与物理测试结果非常吻合，验证了整体有效性。

完善该系统的是他们的“神经网络加速多目标优化”（NMO）算法，用于导航微观结构的复杂设计环境，揭示表现出近乎最佳机械属性的配置。该工作流程就像一个自我纠正机制，不断完善预测以更接近现实。

然而，这段旅程并非没有挑战。Li 强调了在 3D 打印中保持一致性以及将神经网络预测、模拟和真实世界实验集成到高效管道中的困难。

至于接下来的步骤，该团队专注于使该过程更具可用性和可扩展性。Li 预见到未来实验室将完全自动化，最大限度地减少人工监督并最大限度地提高效率。“我们的目标是在集成的实验室设置中看到从制造到测试和计算的一切自动化，”李总结道。

与李一起发表论文的还有资深作者和麻省理工学院教授Wojciech Matusik，以及浦项科技大学副教授Tae-Hyun Oh和麻省理工学院CSAIL附属机构邓博雷，前博士后，现在是佐治亚理工学院的助理教授;Wan Shou，前博士后，现任阿肯色大学助理教授;胡元明 MS ’18， PhD ’21;罗一月，MS ’20;以及麻省理工学院电气工程和计算机科学专业的研究生Liang Shi。该小组的研究得到了巴登苯胺和苏打水厂（BASF）的部分支持。