Οι ερευνητές έχουν αξιοποιήσει την τεχνητή νοημοσύνη (AI) για να δημιουργήσουν καινοτόμα νανοϋλικά που συνδυάζουν τη δύναμη του ανθρακούχου χάλυβα με τις ελαφρές ποιότητες του στυροφόμ. Αυτά τα νεοαναπτυγμένα νανοϋλικά, που κατασκευάστηκαν μέσω τεχνικών μηχανικής μάθησης και 3D εκτύπωσης, έχουν περισσότερες από διπλασιάσει τη δύναμη των προηγουμένως υπαρχόντων σχεδίων. Οι επιστήμονες που συμμετείχαν σε αυτή τη μελέτη δήλωσαν ότι αυτά τα υλικά θα μπορούσαν να οδηγήσουν στην ανάπτυξη ισχυρότερων, ελαφρύτερων και πιο αποδοτικών καυσίμων εξαρτημάτων στα αυτοκίνητα και τα αεροσκάφη. Τα ευρήματά τους δημοσιεύθηκαν στις 23 Ιανουαρίου στο περιοδικό Advanced Materials. Ο συν-συγγραφέας Tobin Filleter, καθηγητής μηχανικής στο Πανεπιστήμιο του Τορόντο, εξέφρασε αισιοδοξία, δηλώνοντας: "Ελπίζουμε ότι αυτά τα νέα σχέδια υλικών θα οδηγήσουν τελικά σε υπερελαφριά εξαρτήματα για εφαρμογές αεροδιαστημικής όπως αεροπλάνα, ελικόπτερα και διαστημόπλοια, μειώνοντας έτσι την κατανάλωση καυσίμου κατά τη διάρκεια της πτήσης ενώ διασφαλίζουν την ασφάλεια και τις επιδόσεις. Αυτό θα μπορούσε να μειώσει σημαντικά τον περιβαλλοντικό αντίκτυπο της αεροπορίας. " Σε πολλά υλικά, η επίτευξη δύναμης συνήθως υπονομεύει την ανθεκτικότητα. Για παράδειγμα, μια κεραμική πιατέλα είναι συνήθως αρκετά ισχυρή για να στηρίξει βαριά αντικείμενα, αλλά η ακαμψία της οδηγεί συχνά σε ευθραυστότητα, κάνοντάς την να σπάει με ελάχιστη δύναμη. Αυτή η πρόκληση ισχύει επίσης για τα νανο-αρχιτεκτονικά υλικά, τα οποία αποτελούνται από αμέτρητους μικρούς, επαναλαμβανόμενους οικοδομικούς λίθους που είναι εκατομμυριοστά του πλάτους μιας ανθρώπινης τρίχας. Αν και αυτά τα υλικά προσφέρουν αξιοσημείωτη δύναμη σε σχέση με το βάρος τους, μπορούν επίσης να αναπτύξουν σημεία πίεσης που οδηγούν σε ξαφνικές αποτυχίες.

Αυτή η προδιάθεση για ρωγμές έχει περιορίσει μέχρι στιγμής τις πρακτικές τους εφαρμογές. Ο πρώτος συγγραφέας Peter Serles, ερευνητής μηχανικής στο Caltech, σημείωσε: "Καθώς σκεφτόμουν αυτό το ζήτημα, έγινε σαφές ότι ήταν ένα ιδανικό πρόβλημα για να το αντιμετωπίσει η μηχανική μάθηση. " Για να εξερευνήσουν βελτιωμένα σχέδια για τα νανοϋλικά, οι ερευνητές προσομοίωσαν διάφορες γεωμετρίες προτού τις αναλύσουν χρησιμοποιώντας έναν αλγόριθμο μηχανικής μάθησης. Ο αλγόριθμος, που ενημερώθηκε από τα σχέδια που παράχθηκαν, μπορούσε να προβλέψει βέλτιστες μορφές που θα διέσπασαν αποτελεσματικά τις εφαρμοσμένες πιέσεις ενώ θα στήριζαν σημαντικά φορτία. Αφού ολοκλήρωσαν αυτά τα σχέδια, οι ερευνητές χρησιμοποίησαν έναν εκτυπωτή 3D για να κατασκευάσουν τα νέα νανοδιχτυωτά. Ανακάλυψαν ότι αυτές οι δομές θα μπορούσαν να αντέξουν μια πίεση 2, 03 megapascals για κάθε κυβικό μέτρο ανά κιλό—μια δύναμη πέντε φορές εκείνης του τιτανίου. "Αυτό είναι το πρώτο παράδειγμα εφαρμογής μηχανικής μάθησης για τη βελτιστοποίηση νανο-αρχιτεκτονικών υλικών, και εντυπωσιαστήκαμε από τις προόδους που σημειώθηκαν, " μοιράστηκε ο Serles. "Ο αλγόριθμος δεν αναπαρήγαγε απλώς επιτυχείς σχεδιασμούς από το σύνολο εκπαίδευσης· έμαθε από τις τροποποιήσεις που λειτούργησαν και εκείνες που δεν λειτούργησαν, επιτρέποντάς του να προτείνει εντελώς νέες δομές με διχτυωτές. " Προχωρώντας, οι ερευνητές σχεδιάζουν να επικεντρωθούν στην κλίμακα των υλικών αυτών για την παραγωγή μεγαλύτερων εξαρτημάτων ενώ συνεχίζουν να εξερευνούν ακόμα καλύτερα σχέδια μέσω της μεθόδου τους. Ο κύριος στόχος είναι να σχεδιάσουν ελαφρύτερα και ισχυρότερα εξαρτήματα για μελλοντικά οχήματα. Ο Serles πρόσθεσε: "Για παράδειγμα, αν τα αεροσκάφη που αποτελούνται από τιτάνιο αντικαθίσταντο με αυτό το νέο υλικό, το αποτέλεσμα θα μπορούσε να αποφέρει ετήσιες εξοικονομήσεις καυσίμου 80 λίτρων για κάθε κιλό υλικού που θα αντικαθιστούταν. "