این تیم ماه گذشته اعلام کرد که این اولین بار است از این شاخه هوش مصنوعی برای بهینه‌سازی موادی با ساختار نانو استفاده شده است. به گفته پیتر سرلز از دانشگاه تورنتو، یکی از نویسندگان مقاله‌ای که این تحقیق را منتشر کرده است، هوش مصنوعی در ساخت این ماده، فقط از طراحی‌هایی که موفق بودند الگو برداری نکرده است، بلکه چه از تغییرات موثر در مواد و چه از تغییرات غیر موثر الگو برداری کرده و آن را آموخته است و همین به آن این امکان را داده است که بتواند طراحی جدیدی را ارائه دهد.

درست مانند ساختن سازه با تکه‌های ریز لگو، نانومواد هم با چیدمان اتم‌ها یا مولکول‌ها در الگوهای دقیق ساخته می‌شوند. این مواد به دلیل ابعاد نانویی خود ویژگی‌های منحصر به فردی دارند. اتم‌ها یا مولکول‌ها در الگوهای سه‌بعدی منظم شبکه‌ها (Lattices) چیده می‌شوند و یک شبکه شامل نقاط منظمی است که ساختار دوره‌ای ماده را تعریف می‌کند. این آرایش منظم بر ویژگی‌های فیزیکی، شیمیایی و الکترونیکی ماده تاثیر می‌گذارد.

محققان کانادا در همکاری با تیمی از کره جنوبی از الگوریتم یادگیری ماشین به نام بهینه‌سازی بیزی (Bayesian Optimization) استفاده کردند. هدف این الگوریتم پیش‌بینی بهترین هندسه‌ها برای بهبود توزیع تنش و افزایش نسبت استحکام به وزن برای رسیدن به یک معماری نانو جدید بود.

آنها از چاپگر ۳D پلیمرسازی دو فوتونی برای ساخت یک نمونه دقیق در مقیاس نانو با استفاده از فناوری چاپ سه‌بعدی با وضوح بالا استفاده کردند. دستگاهی که آنها استفاده کردند، Nanoscribe Photonic Professional GT۲ نام دارد و گفته می‌شود که قیمت آن صدها هزار دلار است.

این نانو ساختارها پنج برابر بیشتر از تیتانیوم توان تحمل تنش دارند. این ویژگی باعث می‌شود که این ماده برای کاربردهایی مانند تولید قطعات هوافضا مناسب باشد. پیتر سرلز گفت: «اگر قطعات تیتانیومی یک هواپیما را با این ماده جایگزین کنید، برای هر کیلوگرم ماده‌ای که جایگزین شود، سالانه ۸۰ لیتر سوخت صرفه‌جویی خواهید کرد.»

این تیم قصد دارد کار خود را ادامه دهد تا مواد مقاوم‌تر و سبک‌تری بسازد و همچنین راه‌هایی برای تولید قطعات با این طراحی‌های مواد پیدا کند که هزینه‌های تولید آن بسیار بالا نباشد.

منبع: