近日，来自荷兰代尔夫特理工大学的研究人员开发了一种名为“Deep-DRAM”的新型人工智能（AI）工具，能够以无与伦比的简便性和可访问性发现和制造新型超材料。这种突破性的方法有望通过简化具有“前所未有的功能”和“不寻常的特性”的耐用、定制设计材料的发现和创造，彻底改变超材料的开发。超材料的设计目的是挑战自然特性，在电信、声学和航空航天技术领域都有广泛的应用场景。
在《Advanced Materials》杂志上发表的一篇题为“Deep Learning for Size-Agnostic Inverse Design of Random-Network 3DPrinted Mechanical Metamaterials”论文中 ，研究人员详细介绍了Deep-DRAM 的应用如何超越理论进步，通过广泛的模拟和 3D 打印样本展示现实世界的影响。
传统的超材料设计在解决逆问题方面面临挑战，阻碍了实际应用。 Deep-DRAM 通过采用深度学习模型和有限元模拟来解决这一障碍。其模块化框架能够根据特定需求创建耐用的超材料，这与之前容易失败的设计不同。
△代表超材料的人工智能生成图像。图片来源：代尔夫特理工大学
Deep-DRAM的创新之处在于能够生成抗疲劳和断裂的微架构，确保实际可用性。其模块化设计简化了计算过程，使其具有成本效益且适用于各个行业。
研究员阿米尔·扎德普尔（Amir Zadpoor）博士说：“传统上，设计师使用可用的材料来设计新设备或机器。问题是可用材料属性的范围是有限的。我们希望拥有的一些特性在自然界中并不存在。我们的方法是：告诉我们您想要拥有什么特性，我们就会设计出具有这些特性的合适材料。然后你得到的并不是真正的材料，而是介于结构和材料之间的东西，一种超材料。”
除了实验室范围之外，Deep-DRAM 还为医疗保健、航空航天等领域提供切实可行的解决方案。通过将人工智能与材料科学相结合，它为骨科植入物、软机器人和自适应镜子开辟了道路。凭借 Deep-DRAM 的变革潜力，各行业可以利用以前未开发的优势，标志着材料创新的重大飞跃。
超材料是经过设计具有天然物质所没有的特性的材料。这些工程复合材料可以通过从结构的几何形状而不是分子组成中获得其独特的特性来挑战传统的材料特性。
超材料目前应用于各个行业，具有实际用途，例如提高电信中的天线性能以及控制声波以降低声学工程中的噪声或聚焦。最近的进展包括创造世界上第一个真正的“单向玻璃”，展示了超材料、多功能性和创新应用的潜力。
2006年，《科学》杂志上发表的两篇研究论文表明，超材料可用于操纵特定光频率和电磁辐射的传播和传输，使物体变得不可见。
桑迪亚国家实验室、 美国海军研究所和诺斯罗普 格鲁曼公司最近发表的出版物讨论了超材料的军事潜力，提出了创建虚构的“克林贡隐形装置”或“哈利波特隐形斗篷”的现实版本的可能性。然而，尽管研究工作不断进行，实用的超材料隐形技术迄今为止尚未公开展示。
开发新型超材料的最重大挑战源于解决所谓的“逆问题”或计算产生所需性能所需的特定几何形状。
论文主要作者 Helda Pahlavani 博士解释道：“即使过去解决了逆问题，它们也受到简化假设的限制，即小规模几何体可以由无限数量的构建块构成。这种假设的问题在于，超材料通常是通过 3D 打印制造的，而真正的 3D 打印机的分辨率有限，这限制了适合给定设备的构建块的数量。”
Deep-DRAM 是一种人工智能驱动的模块化框架，结合了深度学习模型、生成模型和有限元模拟，可以正面应对这些挑战。研究人员表示，Deep-DRAM 的突出之处在于从新的角度解决了逆向设计问题，能够创建具有定制特性的材料，例如双拉胀（拉伸时在两个方向上膨胀的材料）和高刚度。
Pahlavani 博士强调了Deep-DRAM 能够克服先前限制的重要性，并表示：“我们现在可以简单地问：您的制造技术允许您在设备中容纳多少个构建块？然后，该模型会找到几何形状，为您提供实际可以制造的构建块数量所需的属性。”
扎德普尔博士描述了当前开发超材料的过程：“到目前为止，这只是关于可以实现哪些特性。我们的研究考虑了耐用性，并从大量候选设计中选择了最耐用的设计。这使得我们的设计真正实用，而不仅仅是理论上的冒险。”
研究人员表示，Deep-DRAM 的显着特点之一是其模块化设计，允许集成各种计算模型，从而有效地解决复杂的设计问题。这种模块化方法加速了设计过程并最大限度地降低了计算成本，使其成为各种应用的有吸引力的选择。
创新的 Deep-DRAM 框架的影响远远超出了实验室范围，为现实世界的挑战提供了切实的解决方案。由于能够根据特定需求定制耐用的超材料，从医疗保健到航空航天等行业都可以从人工智能和材料科学最近的结合中受益匪浅。
该研究的通讯作者、助理教授 Mohammad J. Mirzaali 博士表示，超材料的潜力是无限的。然而，由于其最佳设计历来依赖于直觉和反复试验，超材料的全部潜力从未真正发挥出来。
然而，研究人员认为，人工智能驱动的 Deep-DRAM 逆向设计过程可能会彻底改变超材料的开发，为骨科植入物、手术器械、软机器人、自适应镜子和外骨骼等应用开辟途径。最后，米尔扎利博士表示：“我们认为我们所采取的步骤在超材料领域是革命性的，它可能会带来各种新的应用。”
|
