Usando aprendizado de máquina e impressão 3D, pesquisadores projetaram um material tão forte quanto o aço carbono e tão leve quanto isopor.
Fonte: Phys.org (Traduzido para o Português)
Em um artigo publicado na Advanced Materials, uma equipe da Faculdade de Ciência e Engenharia Aplicada da Universidade de Toronto, liderada pelo professor Tobin Filleter, descreve como eles fizeram nanomateriais com propriedades que oferecem uma combinação conflitante de resistência excepcional, peso leve e personalização. Esta aproximação pode beneficiar uma ampla gama de indústrias, desde automotiva até aeroespacial.
“Materiais nanoarquitetados combinam formas de alto desempenho, como fazer uma ponte com triângulos, em escalas nanométricas, o que aproveita o efeito ‘quanto menor, mais forte’, para alcançar algumas das maiores razões resistência-peso e rigidez-peso de qualquer material,” diz Peter Serles, o primeiro autor do novo artigo.
“No entanto, as formas e geometrias de treliça padrão usadas tendem a ter interseções e cantos afiados, o que leva ao problema de concentrações de tensão. Isso resulta em falhas e quebras locais precoces dos materiais, limitando seu potencial geral.
“Enquanto refletia sobre esse desafio, percebi que é um problema perfeito para o aprendizado de máquina resolver.”
No post “Conceitos básicos de inteligência artificial (IA)”, há uma explicação sobre o que é aprendizado de máquina.
Conceitos básicos de inteligência artificial (IA)Clique aqui
Materiais nanoarquitetados são feitos de pequenos blocos de construção ou unidades repetidas medindo algumas centenas de nanômetros de tamanho, seriam necessários mais de 100 deles alinhados para atingir a espessura de um fio de cabelo humano. Esses blocos de construção, que neste caso são compostos de carbono, são organizados em estruturas 3D complexas chamadas nanorreticulados.

Para projetar seus materiais aprimorados, Serles e Filleter trabalharam com o Professor Seunghwa Ryu e o estudante de doutorado Jinwook Yeo do Instituto Avançado de Ciência e Tecnologia da Coreia (KAIST) em Daejeon, Coreia do Sul. Essa parceria foi iniciada por meio do programa International Doctoral Clusters da Universidade de Toronto, que apoia a formação de doutorado por meio de engajamento em pesquisa com colaboradores internacionais.
A equipe do KAIST empregou o algoritmo de aprendizado de máquina de otimização Bayesiana multiobjetivo. Esse algoritmo aprendeu com geometrias simuladas para prever as melhores geometrias possíveis para melhorar a distribuição de tensão e aumentar a relação resistência-peso dos designs nanoarquitetados.
Serles então usou uma impressora 3D de polimerização de dois fótons, localizada no Centro de Pesquisa e Aplicação em Tecnologias Fluidas (CRAFT), para criar protótipos para validação experimental. Essa tecnologia de manufatura aditiva permite a impressão 3D em escalas micro e nano, criando nanorreticulados de carbono otimizados.
Esses nanorreticulados otimizados mais que dobraram a resistência dos designs existentes, suportando uma tensão de 2,03 megapascais para cada metro cúbico por quilograma de sua densidade, o que é cerca de cinco vezes maior que a do titânio.
“Esta é a primeira vez que o aprendizado de máquina foi aplicado para otimizar materiais nanoarquitetados, e ficamos impressionados com as melhorias,” diz Serles. “Ele não apenas replicou geometrias bem-sucedidas dos dados de treinamento; ele aprendeu com quais mudanças nas formas funcionaram e quais não funcionaram, permitindo que previsse geometrias de treliça completamente novas.”
“O aprendizado de máquina normalmente requer muitos dados, e é difícil gerar uma grande quantidade de dados quando você está usando informações de alta qualidade provenientes de análises de elementos finitos. Mas o algoritmo de otimização Bayesiana multiobjetivo precisou de apenas 400 pontos de dados, enquanto outros algoritmos podem precisar de 20.000 ou mais. Assim, conseguimos trabalhar com um conjunto de dados muito menor, mas extremamente de alta qualidade.”
“Esperamos que esses novos designs de materiais possam, eventualmente, levar a componentes ultraleves em aplicações aeroespaciais, como aviões, helicópteros e naves espaciais, que possam reduzir a demanda por combustível durante o voo, mantendo a segurança e o desempenho,” diz Filleter. “Isso pode, no final das contas, ajudar a reduzir a alta pegada de carbono da aviação.”
“Por exemplo, se você substituísse componentes feitos de titânio em um avião por este material, estaria olhando para uma economia de combustível de 80 litros por ano para cada quilograma de material substituído,” acrescenta Serles.
Outros colaboradores do projeto incluem os professores da Universidade de Toronto Yu Zou, Chandra Veer Singh, Jane Howe e Charles Jia, além de colaboradores internacionais do Instituto de Tecnologia de Karlsruhe (KIT) na Alemanha, do Instituto de Tecnologia de Massachusetts (MIT) e da Universidade Rice nos Estados Unidos.