Sistema de IA treinado aprende a projetar materiais celulares para engenharia de tecidos e armazenamento de energia
Modelagem de avaliação, algoritmo de homogeneização numérica e simulação FEM. (a) Voxelização da rede de Voronoi com diferentes densidades relativas. (b) Precisão computacional e custo do algoritmo de homogeneização numérica. (c) Efeito do tamanho do RVE na precisão computacional das simulações FEM. Crédito:Ciência e Tecnologia de Materiais Avançados (2022). DOI:10.1080/14686996.2022.2157682 Estruturas artificiais chamadas materiais celulares possuem uma rede de espaços internos dentro de uma matriz sólida semelhante a uma célula. Sua arquitetura porosa semelhante a uma espuma combina vantagens de baixa densidade com resistência. Pesquisadores do Instituto Nacional de Ciência de Materiais (NIMS) e da Universidade de Tsukuba no Japão, supervisionados por Ikumu Watanabe no NIMS, aplicaram uma forma de inteligência artificial generativa (IA) para desenvolver uma abordagem nova e aprimorada para projetar materiais celulares com precisão. porosidade e rigidez específicas.
Seu trabalho foi publicado na revista Science and Technology of Advanced Materials .
“Ao contrário das abordagens convencionais, nosso método não depende da experiência de um designer”, diz o pesquisador computacional Xiaoyang Zheng, primeiro autor do artigo de pesquisa. "Chamamos isso de abordagem inversa, porque em vez de propor inicialmente um projeto e depois testá-lo, o sistema explora projetos a partir de um espaço de características de baixa dimensão (ou seja, espaço latente) e gera automaticamente um projeto com as propriedades desejadas."
Existem muitas aplicações possíveis, mas os autores destacam o potencial de usar seu método para projetar implantes ósseos com porosidade, rigidez e elasticidade desejadas específicas.
O processo de projeto computadorizado começa com uma estrutura geométrica 3D composta por elementos discretos chamados voxels. Um sistema de IA generativo treinado, denominado rede adversária generativa condicional, é então usado para gerar o projeto de uma rede 3D com propriedades direcionadas. Materiais 3D reais correspondentes ao projeto sugerido são então construídos e testados experimentalmente, utilizando resinas impressas em 3D. Seu comportamento também foi investigado por meio de simulações de computador.
"Embora já tivéssemos desenvolvido um sistema 2D semelhante, expandi-lo para 3D foi um desafio devido ao enorme esforço computacional necessário", diz Zheng. "A geração de tais projetos de geometria 3D está na vanguarda do que há de mais moderno, não apenas na ciência dos materiais, mas também na pesquisa de IA em geral."
Além do uso sugerido para confecção de implantes ósseos, os pesquisadores apontam potenciais avanços na ampla gama de aplicações em que os materiais celulares são utilizados atualmente e também considerados para desenvolvimento futuro. Isso inclui materiais para robótica leve, eletrônica leve e interruptores e armazenamento e conversão de energia eletroquímica.
“A grande característica da abordagem é a diversidade de soluções que ela pode fornecer, gerando muitos possíveis candidatos para diversos materiais”, conclui Zheng.
Tendo demonstrado a viabilidade e o potencial do sistema, a equipe planeja agora usá-lo para explorar uma variedade de materiais avançados. Como parte deste trabalho, eles esperam ampliar o escopo do sistema de IA para que ele possa atingir uma variedade mais ampla de propriedades nos materiais que projeta.
Mais informações: Xiaoyang Zheng et al, Projeto inverso baseado em aprendizagem profunda de materiais celulares arquitetados tridimensionais com porosidade e rigidez alvo usando redes de Voronoi voxelizadas, Ciência e Tecnologia de Materiais Avançados (2022). DOI:10.1080/14686996.2022.2157682 Informações do diário: Ciência e Tecnologia de Materiais Avançados
Fornecido pelo Instituto Nacional de Ciência de Materiais