機器學習催生超輕超硬新材料，輕若泡沫，卻能承擔超其自身重量100萬倍的物體
文章來源：新能源網 更新時間：2025-03-21 15:05:36
|
近日，加拿大多倫多大學團隊和合作者造出一種輕若泡沫、堅若鋼鐵的碳納米晶格材料。
如下圖所示：即使讓其“躺在”肥皂泡上，肥皂泡也不會破裂；而即使面對超過其自身重量 100 萬倍的物體，它也能撐得住。
本次材料的體積為 14.3 立方毫米，由 1875 萬個納米晶格單元組成，它的抗壓強度范圍在 180-360MPa，密度范圍在 125-215kg m−3，所能承受的壓力大約是鈦的 5 倍。
這種新材料將能用于為航空航天打造超輕部件，從而能夠充當飛機、直升機和航天器的零件，除了能在飛行過程中減少燃料需求之外，它還能保持高性能和高安全性，從而有助于減少飛行產生的高碳足跡。
研究人員估計，假如使用這種材料來替換飛機上的鈦部件，那么每替換一公斤材料，每年就能節省 80 升的燃料。
研究人員表示，他們通過將機器學習用于納米材料優化，并使用 3D 打印技術造出了這種材料。簡單來說，該團隊采用了多目標貝葉斯優化機器學習算法（multi-objective Bayesian optimization machine learning algorithm）。
眾所周知，機器學習通常需要大量的數據。但是，使用多目標貝葉斯優化機器學習算法只需要 400 個數據點，而其他算法可能需要 20000 個或更多，這讓研究人員得以使用規模很少但卻質量極高的數據集，來完成了本次研究。
同時，多目標貝葉斯優化機器學習算法可以從模擬的幾何形狀中學習，從而能夠預測最佳的幾何形狀，進而可以增強應力分布，并能提高納米架構設計的強度重量比。
完成上述步驟之后，這時再使用雙光子聚合（2PP，two-photon polymerization）3D 打印機，即可造出本次材料。
研究中，該團隊使用多目標貝葉斯優化機器學習算法進行梁單元（beam element）設計，并結合高 sp² 鍵合的納米級熱解碳，制備出了輕質碳納米晶格，其具有超高的比強度和可擴展性。（注：梁單元，是指在有限元分析中用來模擬梁結構的一種基本單元。）
同時，研究人員利用有限元分析（FEA，Finite element analysis）導出訓練數據集，進而將其用于生成建模的預測。（注：有限元分析，指的是利用數學近似的方法對真實物理系統進行模擬。）
貝葉斯優化（Bayesian Optimization），是一種用于函數全局最優化的策略，特別適用于那些計算代價比較昂貴的黑箱函數，比如機器學習模型的超參數調優。
此前，貝葉斯優化已被人們成功用于提升宏觀結構化材料的力學性能。而結合納米尺度的強化作用，則能實現協同性的高性能表現。
通過利用雙光子聚合納米級增材制造技術與熱解技術，本次研究人員制備出一種性能更強的晶格，進而將其用于制備碳納米晶格。而在所制備的碳納米晶格中，則分別包含平均支柱直徑為 300 納米和 600 納米這兩類晶格。
通過局部結構表征和原子表征，再結合分子動力學模擬，研究人員發現在熱解的作用之下，熱解碳支柱的外殼區域存在徑向梯度。當 sp² 鍵合增加，碳純度也就更高。
這樣一來，就能在支柱直徑最小化的情況下，讓晶格的比強度和剛度達到最大值。（注：比強度，是材料的抗拉強度與材料表觀密度之比，比強度越高表明達到相應強度所用的材料質量越輕。）
在實現機械響應最大化的同時，研究人員還通過多目標貝葉斯優化機器學習算法實現了相對密度的最小化，并設法讓材料的支柱直徑達到納米級。
通過此，研究人員讓本次碳納米晶格不僅實現了碳鋼一般抗壓強度，也實現了泡沫一般的密度，并讓它比同等低密度材料的強度高出一個數量級。
為了測試材料性能，該團隊針對所制備的晶格進行驗證。常見的金屬晶體結構主要有三種，它們分別是面心立方晶格、體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體心立方晶格。
下圖展示了四個面心立方晶格（CFCC，cubic-face centered cubic）的生成式設計。
對于采用本次方法制備的晶格來說，它呈現出比較直觀的材料重新分布現象，即會朝向節點處聚集材料，同時通過讓中間梁區域（mid-beam regions）變薄，以此來實現剛度與密度比值的最大化。與此同時，節點處的應力集中現象也能被消除掉。
下圖顯示了具有支柱輪廓的 CFCC MOB-3 碳納米晶格的場發射掃描電子顯微鏡（FESEM，field-emission scanning electron microscopy）圖像。
與模型渲染相比，盡管它的曲率和制造流程更加復雜，但是其顯示出高度共形的幾何形狀。與此同時，橫截面 FESEM 圖像和幾何分析則進一步顯示：CFCC MOB-3 碳納米晶格內部具有低密度結構和共形支柱幾何形狀。（注：高度共形，是指一種幾何形狀在變形過程中，保持其局部形狀和角度不變的特性。）
除此之外，研究員還使用相同的流程，創建了體心立方晶格（CBCC，cubic-body centered cubic），借此證明通過利用本次算法和制造流程，可以讓晶格在各種骨架幾何形狀之間實現輕松轉換。
其還發現，與具有均勻支柱的標準幾何形狀相比，基于多目標貝葉斯優化機器學習算法打造的晶格的楊氏模量增加了 68%，強度增加了 118%。
在本次研究之中，盡管所制備的幾種晶格的橫截面積明顯不同，但是這也表明并不存在能夠實現高比剛度和高強度的單一主導梁橫截面。（注：比剛度，是指材料的彈性模量與其密度的比值，比剛度越高意味著在相同剛度下材料的重量更輕，或者在相同質量下剛度更大。）
此外，采用本次方法制備的體心立方晶格，顯示出類似的機械性能增強，這展現了本次技術的廣泛適用性。
同時，當將晶格的尺寸減半，能將其支柱直徑從 600 納米減小到 300 納米，而剛度則能提高 75%，強度則能提高 79%。
如果將支柱直徑進一步減小到 300 納米以下，則會導致最終部件的幾何保真度降低，而這是由于體素打印分辨率和熱解過程中的翹曲所造成的。（注：體素打印分辨率，是指在 3D 打印過程中體積像素的最小尺寸，體素分辨率的高低會直接影響 3D 打印件的精度。）
有趣的是，本次研究所使用的多目標貝葉斯優化機器學習算法，在實現比剛度最大化的同時，比強度也能得到極大提高。
與此同時，研究人員還將經過本次算法優化之后的面心立方晶格和體心立方晶格的性能，與其他建筑材料和天然材料進行對比。
結果發現，面心立方晶格的最大比強度為 2.03MPa m3 kg−1，比其他輕質材料高出一個數量級以上。
同時，僅在不到兩天的時間之內，研究人員就利用面心立方晶格生產出 1875 萬余個晶格單元，總計體積為 6.3×6.3×3.8 立方毫米。
盡管 1875 萬個晶格在熱解過程中出現收縮，但是仍能觀察到較高的納米晶格保真度，同時熱解所引起的翹曲較小。
研究人員還發現，雖然沿著晶格縫合線會出現缺陷，不過所影響的晶格總數不到 1％。
盡管這并不能完全體現納米晶格的高機械性能，但是也意味著通過亞微米分辨率的高通量打印技術，將有希望打造具有宏觀幾何形狀的高性能碳納米晶格。
圖 | 相關論文（來源：Advanced Materials）
（來源：UNIVERSITY OF TORONTO ENGINEERING NEWS）
下一步，研究人員計劃進一步擴大材料設計的規模，以實現具有成本效益的宏觀尺度組件。此外，其還將繼續探索新的設計方案，旨在將材料結構推向更低的密度，同時讓其仍能保持高強度和高剛度。
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/
|
相關新聞
魯公網安備 37010202001033號