「可损伤编程设计」的超材料,上海交大团队用AI实现材料的自然抗裂机制

编辑 | 萝卜皮人造超材料的断裂行为往往会导致灾难性的破坏,并且对裂纹扩展的抵抗力有限。相比之下,骨头和陶瓷等天然材料具有微观结构,可产生空间可控的裂纹路径,并且增韧材料对裂纹的抵抗力会提高。上海交通大学的研究人员提出了一种受自然强化机制启发的方法,旨在开发一种系统的设计方法,使损伤可编程超材料能够在细胞中具有可工程化的微纤维,从而能够在空间上编程微尺度裂纹行为。机器学习可用于提供有效的设计引擎,加速生成可损伤可编程单元,该单元提供先进的增韧功能,如天然材料中的裂纹弯曲、裂纹偏转和屏蔽;并针对给定的裂纹路径编程进行

图片

编辑 | 萝卜皮

人造超材料的断裂行为往往会导致灾难性的破坏,并且对裂纹扩展的抵抗力有限。

相比之下,骨头和陶瓷等天然材料具有微观结构,可产生空间可控的裂纹路径,并且增韧材料对裂纹的抵抗力会提高。

上海交通大学的研究人员提出了一种受自然强化机制启发的方法,旨在开发一种系统的设计方法,使损伤可编程超材料能够在细胞中具有可工程化的微纤维,从而能够在空间上编程微尺度裂纹行为。

机器学习可用于提供有效的设计引擎,加速生成可损伤可编程单元,该单元提供先进的增韧功能,如天然材料中的裂纹弯曲、裂纹偏转和屏蔽;并针对给定的裂纹路径编程进行优化。

该团队表示,这种增韧特性能够在裂纹尖端相互作用、裂纹屏蔽、裂纹桥接以及这些机制的协同组合的基础上有效地实现抗裂机制,与传统超材料相比,吸收的断裂能量最高可提高 1,235%。

这里所提出的方法对于损伤容错材料和轻量化工程系统的设计具有广泛的意义,在这些系统中,人们追求显著的抗断裂性能或高度可编程的损伤以实现高性能。

该研究以「Damage-programmable design of metamaterials achieving crack-resisting mechanisms seen in nature」为题,于 2024 年 8 月 27 日发布在《Nature Communications》。

图片

随着制造技术的进步,具有复杂微结构几何形态的超材料被设计并实现,展现出新颖的电磁操控、热隐身效应和声学控制等特性。机械超材料具备超高刚度重量比、超高能量吸收、负泊松比等优异力学性能,在生物医学、航空航天和土木工程等领域具有广泛应用前景。

然而,这类材料在控制裂纹形成和防止快速断裂扩展方面仍面临挑战。现有研究多集中于通过预设孔隙或局部削弱材料来偏转裂纹,或者通过复杂结构提升整体断裂韧性,但缺乏系统性的空间损伤编程和有效的抗裂机制。自然界中的材料(如人类皮质骨和陶瓷)具有层级结构来抵抗断裂,这为超材料开发提供了启发。

为了将自然界的抗裂和控制机制转化为机械超材料,研究人员模仿天然材料创建了具有微尺度损伤可编程(DP)单元的超材料,其具有可调节的微纤维方向以实现可编程损伤轮廓。

图片

图示:受自然启发的超材料损伤可编程(DP)设计。(来源:论文)

在机器学习(ML)的支持下,上海交通大学的研究人员开发了一种数据驱动的损伤编程超材料设计方法,以实现损伤扩展的空间控制,并对断裂增韧单元进行编程。

这些单元模拟了自然界中观察到的形成抗裂机制的粒子和相的断裂特性,作为构建包含先进抗裂机制的下一代超材料的基础。

图片

图示:使用数据驱动的损伤可编程 (DP) 超材料进行断裂路径工程。(来源:论文)

该团队研究并编程了多种抗裂特性,以增强裂纹尖端相互作用、裂纹屏蔽和加固桥接,从而创建可损伤编程的超材料。

图片

图示:对机械超材料的抗断裂特性进行编程。(来源:论文)

通过战略性地编程在裂纹扩展的不同阶段激活的各种自然启发的抗裂和耗散机制,与没有此类机制的超材料相比,可以大幅提高对裂纹扩展的抵抗力和断裂能量,高达 1335%,同时还可以有效地在所需位置消散裂纹。研究人员表示,精确编程复杂裂纹路径的成果,此前从未被报道过。

图片

图示:包含所有关键增韧机制的损伤可编程(DP)超材料的断裂。(来源:论文)

这种可损伤可编程超材料的设计为开发具有断裂控制功能的下一代轻型工程系统提供了一条有希望的途径,该系统可能在一系列应用中找到用途,例如飞行器的轻型损伤编程机身,以增强对乘客的保护,防止其受到伤害。

图片

图示:用于功能应用的 DP 超材料。(来源:论文)

该研究的潜力远远超出了论文里所介绍的示例。这里提出的方法需要进行新的研究,从而获得对此类可编程超材料在复杂断裂载荷场景(包括复杂载荷路径、高应变率)和不同母体材料或超结构拓扑下的断裂行为的新见解。

论文链接:https://www.nature.com/articles/s41467-024-51757-0 

相关资讯

解读阿里云PAI模型压缩技术落地实时移动端智能应用

随着移动端AI应用部署需求的日益增强,模型压缩作为深度学习模型实现轻量化部署的有效手段,在移动端场景越来越受关注。尤其是剪枝、量化、权重稀疏化与网络结构搜索等算法策略,能够帮助减少深度模型端侧部署时的资源消耗(Latency、Energy与Memory等),始终是学术界与工业界的发展焦点。阿里云机器学习PAI平台模型压缩技术,在端智能应用场景实现了端侧智能的快速赋能与应用落地。尤其在2020年阿里双十一期间,淘宝直播App的“一猜到底”语音交互游戏中,PAI模型压缩技术体现了关键作用。淘宝直播一猜到底背后的模型压缩

逼近量化训练?块重建技术打造离线量化新极限

模型量化技术可以有效加速推理,已经成为人工智能芯片的标配,并在工业落地中广泛应用。离线量化(Post-Training Quantization)不需要耦合训练流程,使用成本和时间成本低,往往作为生产量化模型的首选方式,但其可调整空间有限,因此面临更大的准确度挑战,尤其是在一些特殊场景和极端要求下,不得不进一步引入更为复杂的在线量化(Quantization Aware Training)流程挽救,而这极大增加了量化模型生产的复杂度。如何在享受离线量化便捷高效的同时,在有限的调整“夹缝”中提升其效果上限,成为进一步打破技术红线的关键。在ICLR2021上,商汤科技研究院Spring工具链团队、高性能计算团队和成都电子科技大学顾实老师团队合作提出了块重建技术BRECQ,重新审视量化模型的优化粒度,首次将离线量化在4bit上的效果提升到在线量化的水平,相比在线量化可以节省大于200倍的生产时间,BRECQ在多种网络和任务上普遍取得了业界最佳效果,打造了离线量化的新极限。

服务量化投资,基于知识图谱的事件表征框架研究入选SIGIR

瞰点科技和上海交大的研究团队提出了一种服务于量化投资的基于知识图谱的事件表征框架,称为 Knowledge Graph-based Event Embedding Framework(KGEEF)。通过在真实股票市场上进行的大规模实验表明,本文提出的方法显著有助于量化投资的策略提升。