2024年2月8日，麻省理工学院 CSAIL 的研究团队在材料设计领域颠覆了传统的试错方法，通过新型的计算设计方法创造出具有优异性能的材料。科学家们的新系统集成了物理实验、基于物理的模拟和神经网络，以解决理论模型和实际结果之间经常出现的差异。该研究最引人注目的成果之一是发现了微结构复合材料（用于从汽车到飞机的各种领域），这种复合材料更坚韧、更耐用，并且具有刚度和韧性的最佳平衡。
相关研究以题为“Computational Discovery of Microstructured Composites with Optimal Stiffness-Toughness Trade-Offs”论文发表在本月早些时候的《科学进展》上。论文主要作者为来自麻省理工学院 CSAIL的Li，其他作者包括浦项科技大学副教授Tae-Hyun Oh和麻省理工学院计算机科学与人工智能实验室成员邓博磊（现任乔治亚理工助理教授）、寿婉（现任阿肯色大学助理教授）、胡远明（2018年硕士，2021年博士）、罗一悦（2020年硕士）和石亮。该团队的研究部分得到了巴登苯胺和苏打厂（BASF）的支持。他们的论文本月早些时候发表在《科学进展》杂志上。
负责该项目的首席研究员表示：“复合材料设计和制造是工程的基础。我们的工作的影响有望远远超出固体力学领域。我们的方法为计算设计提供了蓝图，可以适用于高分子化学、流体动力学、气象学甚至机器人学等不同领域。”
这项研究的重点是寻找两种关键材料特性（刚度和韧性）之间的平衡。该方法涉及两种类型基材的大型设计空间（一种是硬脆的，另一种是软且延展的），以探索各种空间排列以发现最佳的微观结构。
研究人员方法的一个关键创新是使用神经网络作为模拟的替代模型，从而减少材料设计所需的时间和资源。来自麻省理工学院 CSAIL的研究人员Li表示：“这种由神经网络加速的进化算法指导我们的探索，使我们能够有效地找到性能最好的样本。”
麻省理工学院 CSAIL 团队首先制作 3D 打印光聚合物，其大小与智能手机差不多，但更纤薄，并在每个光聚合物上添加一个小凹口和三角形切口。经过专门的紫外线处理后，使用标准测试机 Instron 5984 对样品进行评估，进行拉伸测试以测量强度和柔韧性。
同时，这项研究将物理试验与复杂的模拟相结合。使用高性能计算框架，团队可以在创建材料之前预测和完善材料特性。据研究团队称，项目最大的突破在于将不同材料在微观尺度上进行结合的技术，这种方法涉及融合刚性和柔韧物质的微小液滴的复杂图案，并在强度和灵活性之间取得适当的平衡。模拟结果与物理测试结果非常接近，验证了整体的有效性。
最重要的是“神经网络加速多目标优化”（NMO）算法——用于导航微观结构的复杂设计景观——揭示了表现出接近最佳机械属性的配置。该工作流程就像一个自我纠正机制，不断完善预测以更接近现实。
然而，Li 强调了保持 3D 打印一致性以及将神经网络预测、模拟和现实世界实验集成到高效管道中的困难。麻省理工学院 CSAIL 团队致力于提高该流程的可用性和可扩展性。Li预见了实验室完全自动化的未来，最大限度地减少人工监督并最大限度地提高效率：“我们的目标是看到从制造到测试和计算的一切都在集成实验室设置中实现自动化。”开元体育
