Метаматериалы — это класс материалов с необычными свойствами, которые не встречаются в природе. Их уникальность заключается в том, что их свойства определяются геометрией их структуры, а не молекулярным составом. Это открывает безграничные возможности для создания материалов с беспрецедентными функциональными возможностями.
Исследователи из Делфтского технического университета разработали инструмент искусственного интеллекта (ИИ), который не только может обнаруживать такие необычные материалы, но также отбирает среди них те, которые можно изготовить существующими промышленными методами. Отбор также ведётся по критерию долговечности. То есть на выходе учёные получают метаматериал с необходимыми свойствами, стабильный, долговечный и готовый к производству. Это дает возможность создавать устройства с беспрецедентными функциональными возможностями. Они опубликовали свои выводы в журнале Advanced Materials.
Инструмент ИИ, разработанный исследователями из Делфтского технического университета, использует алгоритмы глубокого обучения для решения обратных задач, которые возникают при проектировании метаматериалов. Обратные задачи — это проблемы, в которых необходимо найти входные данные, которые приводят к желаемым выходным данным. В случае метаматериалов входными данными являются геометрия структуры, а выходными данными — свойства материала.
Исследователи обучили свою модель ИИ на большом количестве данных о метаматериалах, которые были собраны в ходе экспериментов и компьютерных симуляций. В результате модель ИИ научилась находить геометрию структуры, которая приводит к желаемым свойствам материала.
Инструмент ИИ, разработанный исследователями из Делфтского технического университета, открывает новые возможности для создания устройств с уникальными функциональными возможностями. Например, можно создать метаматериалы, которые могут скрывать объекты на виду, или импланты, которые ведут себя точно так же, как костная ткань.
Источник:
Хелда Пахлавани и др., Глубокое обучение для независимого от размера обратного проектирования случайных сетевых 3D-печатных механических метаматериалов (Helda Pahlavani et al, Deep Learning for Size‐Agnostic Inverse Design of Random‐Network 3D Printed Mechanical Metamaterials), Advanced Materials (2023). DOI: 10.1002/adma.202303481
-------------------------------------
Вы можете поддержать проект подпиской на канал, реакциями и комментариями, а также подписавшись на наши страницы на других площадках и на сервисе поддержки авторов Бусти. Ссылки найдёте в описании канала. Заранее спасибо!
