Міцні та легкі матеріали за допомогою 3D-друку

Завдяки машинному навчанню та 3D-друку дослідники з Університету Торонто розробили наноархітектурні матеріали, які поєднують міцність вуглецевої сталі з легкістю пінополістиролу. Таким чином, 3D-друк, який полегшує створення таких інноваційних матеріалів, стає все більш популярним інструментом для розробки матеріалів із перевагами властивостей для різноманітних галузей. Ця подія не є першою, оскільки в цій галузі з’являється все більше нових досягнень, які потенційно можуть вплинути на багато індустрій.

Під керівництвом професора Тобіна Філлера, команда розробила ці наноматеріали з цікавими характеристиками, які поєднують міцність, легкість і адаптивність. Процес може змінити багато секторів, від автомобільної до аерокосмічної.

Ці матеріали складаються з невеликих одиниць, що повторюються, розміром лише кілька сотень нанометрів. Щоб досягти товщини людської волосини, потрібно було б вирівняти більше 100. Ці блоки, в основному, виготовлені з вуглецю, утворюють складні тривимірні структури, які називаються нанорешітками.

«Наноархітектурні матеріали поєднують високоефективні форми, такі як створення моста з трикутників, у нанорозмірах, що використовує перевагу ефекту «менше — сильніше», щоб досягти найвищого співвідношення міцності до ваги та жорсткості з усіх матеріалів», — пояснює Пітер Серлес, один із провідних дослідників. «Однак, стандартні форми, що використовуються, та геометрії решітки мають гострі перетини та кути, що призводить до проблеми концентрації напруги. Це призводить до раннього локального руйнування та руйнування матеріалів, що обмежує їхній загальний потенціал».

Пітер Серлес і Тобін Філлетер співпрацювали з Корейським передовим інститутом науки та технологій (KAIST) у Південній Кореї для розробки своїх матеріалів. Команда використовувала алгоритм машинного навчання, щоб передбачити найкращі форми для покращення міцності та легкості матеріалів. Потім Серлес використовував 3D-принтер із двофотонною полімеризацією для створення мікро- та нанорозмірних прототипів. Удосконалені нанорешітки більш ніж подвоїли міцність попередніх моделей, здатні витримувати навантаження в 2,03 мегапаскаля на кубічний метр на кілограм, що приблизно в п’ять разів більше, ніж у титану.

Це вперше було застосовано машинне навчання для оптимізації наноархітектурних матеріалів, і автори були шоковані цими вдосконаленнями. Це не просто відтворювало успішні геометрії з навчальних даних; автор дізнався, які зміни форм спрацювали, а які ні, що дозволило йому передбачити абсолютно нові геометрії решітки. Машинне навчання зазвичай вимагає великої кількості даних, і важко згенерувати їх, якщо ви використовуєте високоякісні дані аналізу кінцевих елементів. Але для алгоритму багатоцільової оптимізації потрібно лише 400 точок даних, тоді як іншим алгоритмам може знадобитися 20 000 або більше.Тож автори змогли працювати зі значно меншим, але надзвичайно якісним набором даних.