Forskere har udnyttet kunstig intelligens (AI) til at skabe innovative nanomaterialer, der kombinerer styrken af kulstofstål med de letvægts egenskaber af polystyren. Disse nyudviklede nanomaterialer, fremstillet gennem maskinlæringsteknikker og 3D-printning, har mere end fordoblet styrken af tidligere eksisterende designs. De involverede forskere i denne undersøgelse indikerede, at disse materialer kan føre til udviklingen af stærkere, lettere og mere brændstofeffektive komponenter i biler og fly. Deres resultater blev offentliggjort den 23. januar i tidsskriftet Advanced Materials. Medforfatter Tobin Filleter, professor i ingeniørvidenskab ved University of Toronto, udtrykte optimisme og sagde: "Vi håber, at disse nye materialedesigns i sidste ende vil resultere i ultralette komponenter til anvendelser inden for luftfart som fly, helikoptere og rumfartøjer, hvilket dermed reducerer brændstofforbruget under flyvning, samtidig med at sikkerhed og ydeevne sikres. Dette kan betydeligt reducere den miljømæssige påvirkning af luftfart. " I mange materialer opnås styrke ofte på bekostning af sejhed. For eksempel er en keramisk middagsplade typisk stærk nok til at bære tunge genstande, men dens stivhed fører ofte til skrøbelighed, hvilket gør den tilbøjelig til at knuse ved minimal kraft. Denne udfordring gælder også for nano-arkitekturerede materialer, som er sammensat af utallige små, gentagne byggeklodser, der er hundrede gange så brede som et menneskehår.

Selvom disse materialer tilbyder bemærkelsesværdig styrke i forhold til deres vægt, kan de også udvikle stresspunkter, der resulterer i pludselige fejl. Denne tendens til brud har hidtil begrænset deres praktiske anvendelser. Første forfatter Peter Serles, en ingeniørforsker ved Caltech, bemærkede: "Da jeg reflekterede over dette problem, blev det klart, at det var et ideelt problem for maskinlæring at tackle. " For at udforske forbedrede designs til nanomaterialer simulerede forskerne forskellige geometrier, inden de analyserede dem ved hjælp af en maskinlæringsalgoritme. Algoritmen, informeret af de producerede designs, kunne forudsige optimale former, der effektivt ville fordele anvendte belastninger, samtidig med at de kunne bære betydelige belastninger. Efter at have afsluttet disse designs, anvendte forskerne en 3D-printer til at fremstille de nye nanokonstruktioner. De opdagede, at disse strukturer kunne holde til en stress på 2, 03 megapascals for hver kubikmeter per kilogram - en styrke fem gange så høj som titanium. "Dette markerer den første gang, hvor maskinlæring er blevet anvendt til at optimere nano-arkitekturerede materialer, og vi var forbløffede over de fremskridt, der blev gjort, " delte Serles. "Algoritmen kopierede ikke blot succesfulde designs fra træningssættet; den lærte fra de ændringer, der virkede, og dem der ikke gjorde, hvilket gjorde den i stand til at foreslå helt nye gitterstrukturer. " Fremadskuende planlægger forskerne at fokusere på at skalere disse materialer op til produktion af større komponenter, samtidig med at de fortsætter med at udforske endnu bedre designs gennem deres metode. Det overordnede mål er at konstruere lettere og stærkere komponenter til fremtidige køretøjer. Serles tilføjede: "For eksempel, hvis flykomponenter lavet af titanium blev erstattet med dette nye materiale, kunne resultatet give årlige brændstofbesparelser på 80 liter for hver kilogram materiale, der blev substitueret. "