机器学习催生超轻超硬新材料，轻若泡沫，却能承担超其自身重量100万倍的物体
文章来源：新能源网 更新时间：2025-03-21 15:05:36
|
近日，加拿大多伦多大学团队和合作者造出一种轻若泡沫、坚若钢铁的碳纳米晶格材料。
如下图所示：即使让其“躺在”肥皂泡上，肥皂泡也不会破裂；而即使面对超过其自身重量 100 万倍的物体，它也能撑得住。
本次材料的体积为 14.3 立方毫米，由 1875 万个纳米晶格单元组成，它的抗压强度范围在 180-360MPa，密度范围在 125-215kg m−3，所能承受的压力大约是钛的 5 倍。
这种新材料将能用于为航空航天打造超轻部件，从而能够充当飞机、直升机和航天器的零件，除了能在飞行过程中减少燃料需求之外，它还能保持高性能和高安全性，从而有助于减少飞行产生的高碳足迹。
研究人员估计，假如使用这种材料来替换飞机上的钛部件，那么每替换一公斤材料，每年就能节省 80 升的燃料。
研究人员表示，他们通过将机器学习用于纳米材料优化，并使用 3D 打印技术造出了这种材料。简单来说，该团队采用了多目标贝叶斯优化机器学习算法（multi-objective Bayesian optimization machine learning algorithm）。
众所周知，机器学习通常需要大量的数据。但是，使用多目标贝叶斯优化机器学习算法只需要 400 个数据点，而其他算法可能需要 20000 个或更多，这让研究人员得以使用规模很少但却质量极高的数据集，来完成了本次研究。
同时，多目标贝叶斯优化机器学习算法可以从模拟的几何形状中学习，从而能够预测最佳的几何形状，进而可以增强应力分布，并能提高纳米架构设计的强度重量比。
完成上述步骤之后，这时再使用双光子聚合（2PP，two-photon polymerization）3D 打印机，即可造出本次材料。
研究中，该团队使用多目标贝叶斯优化机器学习算法进行梁单元（beam element）设计，并结合高 sp² 键合的纳米级热解碳，制备出了轻质碳纳米晶格，其具有超高的比强度和可扩展性。（注：梁单元，是指在有限元分析中用来模拟梁结构的一种基本单元。）
同时，研究人员利用有限元分析（FEA，Finite element analysis）导出训练数据集，进而将其用于生成建模的预测。（注：有限元分析，指的是利用数学近似的方法对真实物理系统进行模拟。）
贝叶斯优化（Bayesian Optimization），是一种用于函数全局最优化的策略，特别适用于那些计算代价比较昂贵的黑箱函数，比如机器学习模型的超参数调优。
此前，贝叶斯优化已被人们成功用于提升宏观结构化材料的力学性能。而结合纳米尺度的强化作用，则能实现协同性的高性能表现。
通过利用双光子聚合纳米级增材制造技术与热解技术，本次研究人员制备出一种性能更强的晶格，进而将其用于制备碳纳米晶格。而在所制备的碳纳米晶格中，则分别包含平均支柱直径为 300 纳米和 600 纳米这两类晶格。
通过局部结构表征和原子表征，再结合分子动力学模拟，研究人员发现在热解的作用之下，热解碳支柱的外壳区域存在径向梯度。当 sp² 键合增加，碳纯度也就更高。
这样一来，就能在支柱直径最小化的情况下，让晶格的比强度和刚度达到最大值。（注：比强度，是材料的抗拉强度与材料表观密度之比，比强度越高表明达到相应强度所用的材料质量越轻。）
在实现机械响应最大化的同时，研究人员还通过多目标贝叶斯优化机器学习算法实现了相对密度的最小化，并设法让材料的支柱直径达到纳米级。
通过此，研究人员让本次碳纳米晶格不仅实现了碳钢一般抗压强度，也实现了泡沫一般的密度，并让它比同等低密度材料的强度高出一个数量级。
为了测试材料性能，该团队针对所制备的晶格进行验证。常见的金属晶体结构主要有三种，它们分别是面心立方晶格、体心立方晶格和密排六方晶格，本次成果主要涉及到面心立方晶格和体心立方晶格。
下图展示了四个面心立方晶格（CFCC，cubic-face centered cubic）的生成式设计。
对于采用本次方法制备的晶格来说，它呈现出比较直观的材料重新分布现象，即会朝向节点处聚集材料，同时通过让中间梁区域（mid-beam regions）变薄，以此来实现刚度与密度比值的最大化。与此同时，节点处的应力集中现象也能被消除掉。
下图显示了具有支柱轮廓的 CFCC MOB-3 碳纳米晶格的场发射扫描电子显微镜（FESEM，field-emission scanning electron microscopy）图像。
与模型渲染相比，尽管它的曲率和制造流程更加复杂，但是其显示出高度共形的几何形状。与此同时，横截面 FESEM 图像和几何分析则进一步显示：CFCC MOB-3 碳纳米晶格内部具有低密度结构和共形支柱几何形状。（注：高度共形，是指一种几何形状在变形过程中，保持其局部形状和角度不变的特性。）
除此之外，研究员还使用相同的流程，创建了体心立方晶格（CBCC，cubic-body centered cubic），借此证明通过利用本次算法和制造流程，可以让晶格在各种骨架几何形状之间实现轻松转换。
其还发现，与具有均匀支柱的标准几何形状相比，基于多目标贝叶斯优化机器学习算法打造的晶格的杨氏模量增加了 68%，强度增加了 118%。
在本次研究之中，尽管所制备的几种晶格的横截面积明显不同，但是这也表明并不存在能够实现高比刚度和高强度的单一主导梁横截面。（注：比刚度，是指材料的弹性模量与其密度的比值，比刚度越高意味着在相同刚度下材料的重量更轻，或者在相同质量下刚度更大。）
此外，采用本次方法制备的体心立方晶格，显示出类似的机械性能增强，这展现了本次技术的广泛适用性。
同时，当将晶格的尺寸减半，能将其支柱直径从 600 纳米减小到 300 纳米，而刚度则能提高 75%，强度则能提高 79%。
如果将支柱直径进一步减小到 300 纳米以下，则会导致最终部件的几何保真度降低，而这是由于体素打印分辨率和热解过程中的翘曲所造成的。（注：体素打印分辨率，是指在 3D 打印过程中体积像素的最小尺寸，体素分辨率的高低会直接影响 3D 打印件的精度。）
有趣的是，本次研究所使用的多目标贝叶斯优化机器学习算法，在实现比刚度最大化的同时，比强度也能得到极大提高。
与此同时，研究人员还将经过本次算法优化之后的面心立方晶格和体心立方晶格的性能，与其他建筑材料和天然材料进行对比。
结果发现，面心立方晶格的最大比强度为 2.03MPa m3 kg−1，比其他轻质材料高出一个数量级以上。
同时，仅在不到两天的时间之内，研究人员就利用面心立方晶格生产出 1875 万余个晶格单元，总计体积为 6.3×6.3×3.8 立方毫米。
尽管 1875 万个晶格在热解过程中出现收缩，但是仍能观察到较高的纳米晶格保真度，同时热解所引起的翘曲较小。
研究人员还发现，虽然沿着晶格缝合线会出现缺陷，不过所影响的晶格总数不到 1％。
尽管这并不能完全体现纳米晶格的高机械性能，但是也意味着通过亚微米分辨率的高通量打印技术，将有希望打造具有宏观几何形状的高性能碳纳米晶格。
图 | 相关论文（来源：Advanced Materials）
（来源：UNIVERSITY OF TORONTO ENGINEERING NEWS）
下一步，研究人员计划进一步扩大材料设计的规模，以实现具有成本效益的宏观尺度组件。此外，其还将继续探索新的设计方案，旨在将材料结构推向更低的密度，同时让其仍能保持高强度和高刚度。
1.https://advanced.onlinelibrary.wiley.com/doi/10.1002/adma.202410651
2.https://news.engineering.utoronto.ca/strong-as-steel-light-as-foam-machine-learning-and-nano-3d-printing-produce-breakthrough-high-performance-nano-architected-materials/
|
相关新闻
鲁公网安备 37010202001033号