L'ottimizzazione di compositi avanzati per usi finali specifici può essere costosa e richiedere molto tempo, richiedendo ai produttori di testare molti campioni per arrivare alla migliore formulazione. Gli investigatori della NYU Tandon School of Engineering hanno progettato un sistema di apprendimento automatico che utilizza reti neurali artificiali (ANN) in grado di estrapolare dai dati derivati ​​da un solo campione, formulando e fornendo così rapidamente analisi su compositi avanzati teorici potenziati con grafene.

Il lavoro, guidato da Nikhil Gupta, professore associato di ingegneria meccanica e aerospaziale presso la NYU Tandon, con dottorato di ricerca lo studente Xianbo Xu e i collaboratori del produttore di materiali in grafene 2-D GrapheneCa, è dettagliato in "Approccio alla rete neurale artificiale per prevedere il modulo elastico dai risultati dell'analisi meccanica dinamica, " che sarà presente sulla copertina interna del giornale Teoria avanzata e simulazioni .

I test di trazione e l'analisi meccanica dinamica (DMA) sono ampiamente utilizzati per caratterizzare le proprietà viscoelastiche dei materiali a diverse velocità di carico e temperature. Ma ciò richiede un'elaborata campagna sperimentale che coinvolga un gran numero di campioni.

Il team di Tandon ha trovato un modo per aggirare questo processo progettando un approccio basato su ANN che costruisce un modello e quindi gli fornisce dati da DMA, un test della risposta di un materiale a una data temperatura e frequenza di carico (una misura del carico applicato in cicli )—per prevedere come risponderà a qualsiasi altra combinazione di temperatura e pressione. Gupta ha spiegato che ANN ha estrapolato dalle misure della capacità dei campioni di immagazzinare e dissipare energia in condizioni diverse.

"Testare i materiali in condizioni diverse durante il ciclo di sviluppo del prodotto è un costo importante per i produttori che cercano di creare compositi per numerose applicazioni, " ha osservato Gupta. "Questo sistema ci consente di condurre un test e quindi prevedere le proprietà in altre condizioni. Riduce quindi notevolmente la quantità di sperimentazione necessaria."

"L'applicazione di un approccio di rete neurale artificiale per prevedere le proprietà dei nanocompositi può aiutare a sviluppare un approccio in cui la modellazione può guidare lo sviluppo di materiali e applicazioni e ridurre i costi nel tempo, "continuò Gupta.

"Lavorando con i ricercatori del Dipartimento di Ingegneria Meccanica e Aerospaziale della NYU Tandon, abbiamo sviluppato un nuovo metodo per prevedere il comportamento dei nanocompositi termoindurenti su un'ampia gamma di temperature e velocità di carico, " ha detto il dottor Sergey Voskresensky, Responsabile della ricerca e sviluppo presso l'impianto di produzione di GrapheneCa con sede a New York. "Per di più, lo stesso approccio può essere potenzialmente applicato per prevedere un comportamento dei materiali termoplastici. Questo è un passo fondamentale verso la produzione di compositi avanzati".