I ricercatori della TU Delft hanno sviluppato un nuovo materiale supercomprimibile ma resistente senza condurre alcun test sperimentale, utilizzando solo l'intelligenza artificiale (AI). "AI ti dà una mappa del tesoro, e lo scienziato ha bisogno di trovare il tesoro, "dice Miguel Bessa, primo autore di una pubblicazione su questo argomento in Materiale avanzato il 14 ottobre.

Bicicletta pieghevole

Miguel Bessa, assistente professore in scienza dei materiali e ingegneria presso TU Delft, ha avuto l'ispirazione per questo progetto di ricerca durante la sua permanenza al California Institute of Technology. In un angolo dello Space Structures Lab, notò una struttura satellitare che poteva aprire lunghe vele solari da un pacchetto molto piccolo.

Si chiedeva se sarebbe stato possibile progettare un materiale altamente comprimibile ma resistente che potesse essere compresso in una piccola frazione del suo volume. "Se questo fosse possibile, oggetti di uso quotidiano come biciclette, tavoli da pranzo e ombrelloni potrebbero essere ripiegati in tasca."

Invertire il processo di progettazione

La prossima generazione di materiali deve essere adattabile, multiuso e sintonizzabile. Ciò può essere ottenuto da materiali dominati dalla struttura (metamateriali) che sfruttano nuove geometrie per ottenere proprietà e funzionalità senza precedenti.

"Però, il design metamateriale si è basato su un'ampia sperimentazione e un approccio per tentativi ed errori, " Dice Bessa. "Siamo favorevoli all'inversione del processo utilizzando l'apprendimento automatico per esplorare nuove possibilità di progettazione, riducendo al minimo la sperimentazione”.

Apprendimento automatico

"Seguiamo un approccio computazionale basato sui dati per esplorare un nuovo concetto di metamateriale e adattarlo a diverse proprietà target, scelta dei materiali di base, scale di lunghezza e processi di produzione." Guidato dall'apprendimento automatico, Bessa ha fabbricato due modelli su scale di lunghezza diverse che trasformano i polimeri fragili in leggeri, metamateriali recuperabili e super comprimibili. Il design su macroscala è ottimizzato per la massima comprimibilità, mentre la microscala è progettata per un'elevata resistenza e rigidità.

Regioni non sfruttate dello spazio di progettazione

Ancora, Bessa sostiene che l'aspetto più importante del lavoro non è il particolare materiale che è stato creato, ma la capacità di raggiungere regioni non sfruttate dello spazio di progettazione tramite l'apprendimento automatico. "L'importante è che l'apprendimento automatico crei un'opportunità per invertire il processo di progettazione passando da indagini guidate sperimentalmente a indagini basate sui dati computazionali, anche se ai modelli di computer mancano alcune informazioni. I requisiti essenziali sono che siano disponibili dati "sufficienti" sul problema di interesse, e che i dati siano sufficientemente accurati." Bessa è una forte sostenitrice della ricerca basata sui dati in meccanica e scienza dei materiali. "La scienza basata sui dati rivoluzionerà il modo in cui raggiungiamo nuove scoperte, e non vedo l'ora di vedere cosa ci riserverà il futuro".