Kanadští odborníci, které vedl Tobin Filleter, zapojili algoritmy strojového učení do vývoje materiálů s nanoarchitekturou, jež kombinují pevnost uhlíkové oceli s nízkou hmotností srovnatelnou s polystyrenem.
Zleva doprava: Obrázek plné mřížkové geometrie je v kontrastu s mřížkou s 18,75 mil. buněk plovoucí na bublině © Peter Serles / University of Toronto
Na půdě kanadské Univerzity v Torontu se zrodily materiály s nanoarchitekturou tvořenou miniaturními stavebními bloky o velikost stovek nanometrů. Na tloušťku lidského vlasu by jich bylo třeba více než 100. Stavební bloky jsou v tomto typu materiálů uspořádané do komplexních 3D struktur čili nanomřížek.
Jak uvádí Peter Serles z týmu autorů, materiály s nanoarchitekturou využívají geometrické tvary v nanoměřítku, čímž dosahují extrémních poměrů pevnosti vůči hmotnosti v rámci známých materiálů. S kolegy museli řešit problém s koncentrací mechanického napětí ve standardních typech mřížek a geometrických tvarů. V takových případech dochází k brzkému selhávání a praskání materiálů, což omezuje jejich využití.
K řešení těchto problémů badatelé využili algoritmy strojového učení. Nejprve je vycvičili na simulovaných geometrických strukturách, a pak s jejich pomocí vytvářeli designy materiálů s nanoarchitekturou, u nichž je mechanické napětí rozložené po celé struktuře, aby byl materiál více stabilní.
Navržené designy vědci použili při 3D tisku metodou dvoufotonové polymerizace a vytvořili prototypy nových materiálů, jejichž vlastnosti ověřovali v experimentech.
„Toto je poprvé, co bylo strojové učení použito k optimalizaci materiálů s nanoarchitekturou, a vylepšení nás šokovalo,“ říká Serles. „Nejenže replikovalo úspěšné geometrie z trénovacích dat; učilo se z toho, které změny tvarů fungovaly a které ne, což mu umožnilo předpovídat zcela nové geometrie mřížky.“
Strojové učení je obvykle velmi datově náročné a je obtížné generovat velké množství dat při využití vysoce kvalitních dat z analýzy konečných prvků. Vícekriteriální Bayesovský optimalizační algoritmus, jejž vědci využili, však potřeboval pouze 400 datových bodů tam, kde by jiné algoritmy mohly potřebovat 20 000 nebo více bodů. Díky tomu byli schopni pracovat s mnohem menší, ale extrémně kvalitní datovou sadou.
„Doufáme, že tyto nové materiálové návrhy nakonec povedou k ultralehkým komponentům v leteckých a kosmických aplikacích, jako jsou letadla, vrtulníky a kosmické lodě, které mohou snížit spotřebu paliva během letu a zároveň zachovat bezpečnost a výkon,“ říká vedoucí výzkumu Tobin Filleter.
„To může v konečném důsledku pomoci snížit vysokou uhlíkovou stopu létání. Například pokud byste v letadle nahradili součásti vyrobené z titanu tímto materiálem, ušetřili byste 80 l paliva ročně na každý kilogram nahrazeného materiálu,“ dodává Serles.