马里兰大学研究人员利用AI和机器人技术加速气凝胶设计
2024-06-1418
■ 信息来源：University of Maryland、气凝胶产业编译马里兰大学的研究人员在创纪录的时间内克服了工程挑战，开发了一种机器学习模型，该模型消除了材料设计中的麻烦，从而实现了具有可编程性能的MXene导电气凝胶的机器智能加速设计。
与试错实验过程相关的滞后往往会延迟创新。为了解决这一挑战，化学与生物分子工程系助理教授Po-Yen Chen提出了一种加速方法来创建用于可穿戴加热应用中的气凝胶材料。他的模型发表在《自然通讯》杂志上，可以利用机器学习和协作机器人技术实现设计过程的自动化。（点击文末“阅读原文”，跳转至相关文献）气凝胶是一种轻质多孔材料，多用于隔热，因其具有机械强度和灵活性，气凝胶也可用于可穿戴技术。气凝胶看似简单，但其生产过程却相当复杂。研究人员依靠无数次实验和经验法来探索广阔的设计空间，并设计出这些材料。为了解决这些问题，Chen的团队将机器人技术、机器学习算法和材料科学专业知识相结合，使气凝胶具有可编程的机械性能和电学性能，从而全速突破科学壁垒。他的预测模型旨在生成95%准确率的可持续产品。Chen说：“由于缺乏高质量的实验数据，材料科学家经常难以采用机器学习的方法进行材料设计。我们的工作流程将机器人和机器学习相结合，不仅提高了数据质量和收集率，还能在复杂的设计中指导研究人员。”研究人员使用导电的钛纳米片以及纤维素（一种存在于植物细胞中的有机化合物）、明胶（一种存在于动物组织和骨头中的胶原蛋白衍生物）等天然成分制造出了强韧而灵活的气凝胶。
不止于此，该工具可以扩展以满足气凝胶设计中的其他用途。通过这种快速组装过程，气凝胶用于清理石油泄漏、可持续能源储存和热能产品（如隔热窗）等的绿色技术可能比预期更早地实现。该研究的合作者、机械工程助理教授Eleonora Tubaldi表示：“这些方法的融合使我们处于具有可定制复杂性能的材料设计的前沿。我们预见，利用这个新的规模化生产平台，可以为严苛的工作环境设计具有独特机械、热学和电学性能的气凝胶。”展望未来，Chen的团队将进行研究以了解气凝胶柔韧性和强度性能的微观结构。他的工作得到了Grand Challenges Team Grant机构的支持，用于天然塑料替代品的可编程设计，该资助由机械工程教授Teng Li共同获得。编辑：鞠丽
审核：杨静、刘亚丹
【投稿】
chsima@163.com
jl36797420(微信号)
点我访问原文链接
最新动态