Siêu vật liệu là một loại vật liệu sở hữu các đặc tính vật lý đáng chú ý, thường vượt trội hơn các vật liệu truyền thống về độ bền, độ dẫn điện hoặc các đặc điểm khác. Ví dụ, graphene được coi là siêu vật liệu vì nó cực kỳ bền, nhẹ và có độ dẫn điện tuyệt vời.
Ở đây, một nhóm các nhà khoa học Mỹ, Canada và Hàn Quốc đã sử dụng trí tuệ nhân tạo (AI) để thiết kế một loại siêu vật liệu nano chưa từng thấy trước đây với độ bền của thép và độ nhẹ của xốp.
Siêu vật liệu mới – được tạo ra bằng cách sử dụng máy học và máy in 3D – có độ bền gấp đôi so với các thiết kế hiện có.
Các nhà khoa học đứng sau nghiên cứu mới cho biết, chúng có thể được sử dụng trong các thành phần mạnh hơn, nhẹ hơn và tiết kiệm nhiên liệu hơn cho máy bay và ô tô. Họ đã công bố phát hiện của mình trên tạp chí Advanced Materials từ đầu năm nay.
"Chúng tôi hy vọng rằng những thiết kế vật liệu mới này cuối cùng sẽ dẫn đến các thành phần siêu nhẹ trong các ứng dụng hàng không vũ trụ, chẳng hạn như máy bay, trực thăng và tàu vũ trụ có thể giảm nhu cầu nhiên liệu trong khi vẫn đảm bảo an toàn và hiệu suất", đồng tác giả Tobin Filleter, giáo sư kỹ thuật tại Đại học Toronto (Canada), cho biết trong một tuyên bố. "Cuối cùng, điều này có thể giúp giảm lượng phát thải carbon cao của ngành hàng không".
Ảnh minh hoạ.
Ở nhiều vật liệu, độ bền và độ dẻo dai thường có thể không cân bằng. Ví dụ, một chiếc đĩa bằng gốm có độ bền cao và chịu được tải trọng lớn, nhưng không cần mất nhiều sức để làm vỡ chiếc đĩa.
Vấn đề tương tự cũng xảy ra với các vật liệu nano phổ thông, được cấu tạo từ vô số khối xây dựng nhỏ lặp lại có độ dày bằng 1/100 sợi tóc người khiến chúng bền và cứng so với trọng lượng của chúng, nhưng cũng có thể gây ra sự tập trung ứng suất dẫn đến vỡ đột ngột. Cho đến nay, xu hướng vỡ này đã hạn chế các ứng dụng của vật liệu nano.
"Khi nghĩ về thách thức này, tôi nhận ra rằng đây là một vấn đề hoàn hảo để máy học giải quyết", tác giả Peter Serles, một nhà nghiên cứu kỹ thuật tại Viện Công nghệ California (Caltech – Mỹ), cho biết trong một tuyên bố.
Để thiết kế vật liệu cải tiến của mình, ông Serles và ông Filleter đã làm việc với Giáo sư Seunghwa Ryu và nghiên cứu sinh tiến sĩ Jinwook Yeo tại Viện Khoa học và Công nghệ Tiên tiến Hàn Quốc (KAIST) ở Daejeon, Hàn Quốc.
Nhóm KAIST đã sử dụng thuật toán học máy tối ưu hóa Bayesian đa mục tiêu, thuật toán này học từ các hình học mô phỏng để dự đoán các hình học tốt nhất có thể nhằm tăng cường phân phối ứng suất
Chưa có bình luận. Hãy là người đầu tiên bình luận bài viết này.