Homelander The Seven
I will laser every f****** one of you!
Nhóm nghiên cứu, do Giáo sư Tobin Filleter dẫn đầu, đã thiết kế các vật liệu nano có độ bền, trọng lượng và khả năng tùy chỉnh chưa từng có. Những vật liệu này được cấu tạo từ các khối xây dựng nhỏ, hoặc các đơn vị lặp lại, chỉ có kích thước vài trăm nanomet - nhỏ đến mức hơn 100 khối xếp hàng cũng khó có thể bằng độ dày của một sợi tóc người.
Các nhà nghiên cứu đã sử dụng một thuật toán máy học tối ưu hóa Bayes đa mục tiêu để dự đoán hình dạng tối ưu nhằm tăng cường phân bố ứng suất và cải thiện tỷ lệ độ bền trên trọng lượng của các thiết kế kiến trúc nano. Thuật toán chỉ cần 400 điểm dữ liệu, trong khi các thuật toán khác có thể cần 20.000 điểm dữ liệu trở lên, cho phép các nhà nghiên cứu làm việc với một tập dữ liệu nhỏ hơn, chất lượng cao. Nhóm nghiên cứu Canada đã hợp tác với Giáo sư Seunghwa Ryu và nghiên cứu sinh Tiến sĩ Jinwook Yeo tại Viện Khoa học & Công nghệ Tiên tiến Hàn Quốc cho bước này của quy trình.
Thử nghiệm này là lần đầu tiên các nhà khoa học áp dụng máy học để tối ưu hóa vật liệu kiến trúc nano. Theo Peter Serles, tác giả chính của bài báo về dự án được xuất bản trên Advanced Materials, nhóm nghiên cứu đã bị sốc bởi những cải tiến. Nó không chỉ sao chép các hình dạng thành công từ dữ liệu huấn luyện; nó đã học được từ những thay đổi nào đối với hình dạng có hiệu quả và những thay đổi nào không, cho phép nó dự đoán các hình dạng mạng tinh thể hoàn toàn mới.
Nhóm nghiên cứu đã sử dụng máy in 3D trùng hợp hai photon để tạo ra các nguyên mẫu để xác nhận thực nghiệm, xây dựng các mạng tinh thể nano carbon được tối ưu hóa ở quy mô micro và nano. Các mạng tinh thể nano được tối ưu hóa của nhóm đã tăng hơn gấp đôi độ bền của các thiết kế hiện có, chịu được ứng suất 2,03 megapascal trên mỗi mét khối trên kilogam mật độ - mạnh hơn titan khoảng năm lần.
Các ứng dụng tiềm năng của những vật liệu này là rất lớn. Giáo sư Filleter hình dung ngành công nghiệp hàng không vũ trụ sẽ chế tạo các bộ phận siêu nhẹ cho máy bay, trực thăng và tàu vũ trụ. Các nhà nghiên cứu ước tính rằng việc thay thế các bộ phận bằng titan trên máy bay bằng vật liệu mới này có thể tiết kiệm 80 lít nhiên liệu mỗi năm cho mỗi kg vật liệu được thay thế, giúp giảm lượng khí thải carbon cao của việc bay.
Dự án này đã tập hợp các yếu tố đa dạng từ khoa học vật liệu, máy học, hóa học và cơ học, liên quan đến sự hợp tác với các đối tác quốc tế từ Viện Công nghệ Karlsruhe của Đức, MIT và Đại học Rice. Bước tiếp theo là cải thiện việc mở rộng quy mô của các thiết kế vật liệu này. Nhóm nghiên cứu cũng có kế hoạch khám phá các ma trận mới đẩy kiến trúc vật liệu xuống mật độ thấp hơn nữa trong khi vẫn duy trì độ bền và độ cứng cao.
Các nhà nghiên cứu đã sử dụng một thuật toán máy học tối ưu hóa Bayes đa mục tiêu để dự đoán hình dạng tối ưu nhằm tăng cường phân bố ứng suất và cải thiện tỷ lệ độ bền trên trọng lượng của các thiết kế kiến trúc nano. Thuật toán chỉ cần 400 điểm dữ liệu, trong khi các thuật toán khác có thể cần 20.000 điểm dữ liệu trở lên, cho phép các nhà nghiên cứu làm việc với một tập dữ liệu nhỏ hơn, chất lượng cao. Nhóm nghiên cứu Canada đã hợp tác với Giáo sư Seunghwa Ryu và nghiên cứu sinh Tiến sĩ Jinwook Yeo tại Viện Khoa học & Công nghệ Tiên tiến Hàn Quốc cho bước này của quy trình.
Thử nghiệm này là lần đầu tiên các nhà khoa học áp dụng máy học để tối ưu hóa vật liệu kiến trúc nano. Theo Peter Serles, tác giả chính của bài báo về dự án được xuất bản trên Advanced Materials, nhóm nghiên cứu đã bị sốc bởi những cải tiến. Nó không chỉ sao chép các hình dạng thành công từ dữ liệu huấn luyện; nó đã học được từ những thay đổi nào đối với hình dạng có hiệu quả và những thay đổi nào không, cho phép nó dự đoán các hình dạng mạng tinh thể hoàn toàn mới.
Nhóm nghiên cứu đã sử dụng máy in 3D trùng hợp hai photon để tạo ra các nguyên mẫu để xác nhận thực nghiệm, xây dựng các mạng tinh thể nano carbon được tối ưu hóa ở quy mô micro và nano. Các mạng tinh thể nano được tối ưu hóa của nhóm đã tăng hơn gấp đôi độ bền của các thiết kế hiện có, chịu được ứng suất 2,03 megapascal trên mỗi mét khối trên kilogam mật độ - mạnh hơn titan khoảng năm lần.
Các ứng dụng tiềm năng của những vật liệu này là rất lớn. Giáo sư Filleter hình dung ngành công nghiệp hàng không vũ trụ sẽ chế tạo các bộ phận siêu nhẹ cho máy bay, trực thăng và tàu vũ trụ. Các nhà nghiên cứu ước tính rằng việc thay thế các bộ phận bằng titan trên máy bay bằng vật liệu mới này có thể tiết kiệm 80 lít nhiên liệu mỗi năm cho mỗi kg vật liệu được thay thế, giúp giảm lượng khí thải carbon cao của việc bay.
Dự án này đã tập hợp các yếu tố đa dạng từ khoa học vật liệu, máy học, hóa học và cơ học, liên quan đến sự hợp tác với các đối tác quốc tế từ Viện Công nghệ Karlsruhe của Đức, MIT và Đại học Rice. Bước tiếp theo là cải thiện việc mở rộng quy mô của các thiết kế vật liệu này. Nhóm nghiên cứu cũng có kế hoạch khám phá các ma trận mới đẩy kiến trúc vật liệu xuống mật độ thấp hơn nữa trong khi vẫn duy trì độ bền và độ cứng cao.
