Natuklasan ng mga mananaliksik mula sa University of Toronto ang isang pambihirang materyal sa pamamagitan ng pagsasama ng artificial intelligence (AI) at nanoscale engineering. Ang tagumpay na ito ay maaaring magbago ng iba’t ibang industriya, mula sa aerospace hanggang sa automotive.
Ang Paghahanap ng Mas Matibay at Magaang na Materyales
Sa loob ng maraming dekada, hinahangad ng mga inhinyero na makalikha ng mga materyales na parehong matibay at magaan. Ang layunin ay simple: bawasan ang timbang nang hindi isinasakripisyo ang tibay. Ito ay partikular na mahalaga sa industriya ng aerospace, kung saan ang bawat gramong matitipid ay maaaring magdulot ng malaking pagtitipid sa gasolina at mas mataas na performance.
Bagama’t nagamit na ang mga materyales tulad ng aluminyo at titanium, may mga limitasyon pa rin ang mga ito. Ang carbon fiber ay isang makabagong solusyon, ngunit hindi rin ito perpekto. Dahil dito, tumutok ang mga mananaliksik sa Canada sa tinatawag na nanoarchitected materials—mga istrukturang idinisenyo sa nanoscale upang mapataas ang tibay at mabawasan ang timbang.
Paggamit ng AI sa Pagdidisenyo ng Nano-Structured Materials
Ang likas na inspirasyon ng mga istrukturang ito ay matatagpuan sa mga buto, kabibe, at honeycomb. Gayunpaman, ang paglikha ng tamang disenyo upang maiwasan ang mahinang bahagi ng materyal ay isang malaking hamon. Upang malutas ito, ginamit ng mga mananaliksik ang Bayesian optimization, isang uri ng machine learning na mahusay sa paghahanap ng pinakamahusay na disenyo mula sa milyun-milyong posibleng opsyon.
Sa pamamagitan ng pagpapakain ng napakaraming datos sa algorithm, natukoy ng koponan ang pinakaepektibong hugis para sa kanilang carbon nanolattices—mga nano-structured na materyales na nagtataglay ng mataas na strength-to-weight at stiffness-to-weight ratio.
Ayon kay Peter Serles, ang pangunahing may-akda ng pag-aaral, "Ang nano-architected materials ay gumagamit ng mataas na performance na hugis, tulad ng paggawa ng tulay gamit ang mga tatsulok sa nanoscale, upang mapakinabangan ang prinsipyong 'mas maliit, mas matibay'."
Gayunpaman, ipinapakita ng kanilang pag-aaral na ang mga tradisyunal na disenyo ng lattice ay naglalaman ng matutulis na kanto at intersection na nagiging sanhi ng stress concentration, na maaaring humantong sa maagang pagkasira ng materyal.
"Nang pinag-isipan ko ang hamong ito, napagtanto kong ito ay isang perpektong problema para sa machine learning," dagdag ni Serles.
Sinimulan ng algorithm ang proseso sa pamamagitan ng pagbuo ng libu-libong posibleng disenyo. Ang bawat disenyo ay isinailalim sa finite element analysis, isang computational method na sumusuri kung paano kikilos ang materyal sa ilalim ng stress. Sa pamamagitan ng paulit-ulit na pagsubok at pagsasaayos, natukoy ng AI ang mga istrukturang may pinakamataas na tibay at higpit habang nananatiling magaan.
Isang Hakbang Patungo sa Kinabukasan ng Materyal na Agham
Ang tagumpay na ito ay maaaring magkaroon ng malaking epekto sa maraming industriya, lalo na sa pagpapabuti ng fuel efficiency ng mga sasakyang panghimpapawid, pagpapalakas ng mga lightweight na sasakyan, at paglikha ng mas matibay at mas magaan na materyales para sa iba’t ibang gamit. Sa pagsasama ng AI at material science, nagbubukas ang pinto sa isang bagong henerasyon ng ultra-matibay at magagaang na materyales na maaaring baguhin ang hinaharap ng teknolohiya.
0 Mga Komento