ENGINEERINGNET.BE - De volgende generatie materialen moet adaptief, veelzijdig en aanpasbaar zijn. Dit is mogelijk met zogenaamde metamaterialen, waarin structuur centraal staat, en waarin door middel van nieuwe geometrieën totaal nieuwe eigenschappen en functionaliteiten zijn te realiseren.
“Het ontwerpen van metamaterialen was tot nu toe gebaseerd op uitgebreide experimenten en trial-and-error”, aldus Miguel Bessa, universitair docent bij Materials Science and Engineering aan de TU Delft.
“Wij pleiten ervoor om het proces om te keren, door machine learning in te zetten om nieuwe ontwerpmogelijkheden te verkennen, en experimenten tot een absoluut minimum te beperken.”
Met behulp van machine learning vervaardigde Bessa twee ontwerpen op verschillende lengteschalen, die broze polymeren omzetten in lichte, recyclebare en supersamendrukbare metamaterialen.
Bij het ontwerp op macroschaal streefde hij naar maximale comprimeerbaarheid, bij dat op microschaal naar grote sterkte en stijfheid.
“We gebruiken datagestuurde computerberekeningen voor het onderzoek naar een nieuw concept voor een metamateriaal, en voor de aanpassing van het concept aan de gewenste eigenschappen, de keuze van basismaterialen, de lengteschalen en de productieprocessen.”
De nieuw ontworpen materialen laten zien dat het lukt via machine learning onontgonnen gebieden van de ontwerpruimte te betreden.
Bessa: “Het belangrijkste is dat we met machine learning de mogelijkheid krijgen om het ontwerpproces om te keren: door over te stappen van experimenteel onderzoek naar datagestuurde computerberekeningen, zelfs als er informatie ontbreekt in de computermodellen."
"De essentiële vereisten zijn dat er ‘voldoende’ gegevens over het betreffende probleem beschikbaar zijn en dat de gegevens accuraat genoeg zijn.”
“Datagestuurde wetenschap zal een revolutie teweegbrengen in de manier waarop we tot nieuwe ontdekkingen komen, en ik kan niet wachten om te zien wat de toekomst ons zal brengen,” besluit Bessa.
Video:
