坚硬如钢，轻如泡沫！机器学习和纳米3D打印打造具有纳米晶格的超强轻质材料

2025年2月21日，南极熊获悉，加拿大多伦多大学应用科学与工程学院的研究人员利用机器学习设计出纳米结构材料，这种新材料既具有碳钢的强度，又具有泡沫塑料的轻盈特质，在汽车、航空航天等多个行业有着巨大应用前景。

△从左到右：Tobin Filleter 教授（MIE）和 Peter Serles（MIE MASc 1T9、MIE PhD 2T4）

相关研究成果以题为“Ultrahigh Specific Strength byBayesian Optimization of Carbon Nanolattices”的论文发表在在《先进材料》杂志中，由托宾·菲莱特(MIE)教授领导的团队撰写，描述了他们如何制造出具有优异强度、轻质和可定制性等特性的纳米材料。

相关论文链接：https://doi.org/10.1002/adma.202410651

论文的第一作者 Peter Serles表示：“纳米结构材料结合了高性能形状，例如在纳米级尺寸下由三角形组成桥梁，利用‘小即是强’的效应，实现任何材料中最高的强度重量比和刚度重量比。然而，所使用的标准晶格形状和几何形状往往具有尖锐的交叉点和拐角，这会导致应力集中的问题。这会导致材料早期局部失效和断裂，从而限制其整体潜力。当我思考这个挑战时，我意识到这是一个机器学习可以完美解决的问题。”

纳米结构材料由数百纳米大小的微小结构块或重复单元组成——需要 100 多个纳米结构块排成一排才能达到人类头发的厚度。这些结构块（在本例中由碳组成）排列成复杂的三维结构，称为纳米晶格。

△多目标贝叶斯优化用于低密度下具有高压缩刚度和强度的碳纳米晶格的生成设计。a) 流程说明。b) 前四种 MBOCFCC 几何形状及其 2D 贝塞尔曲线。c,d) 等效密度的 CFCC MBO-3 和标准 CFCC 的 FESEM 图像。

为了设计改进的材料， Serles 和Filleter 与韩国大田韩国科学技术院 (KAIST)的Seunghwa Ryu 教授和博士生 Jinwook Yeo 合作。此次合作由多伦多大学的国际博士生集群项目发起，该项目通过与国际合作者进行研究来支持博士生培训。

KAIST 团队采用了多目标贝叶斯优化机器学习算法。这种算法从模拟几何形状中学习，预测最佳几何形状，以增强应力分布并提高纳米结构设计的强度重量比。

随后，Serles使用位于流体技术研究与应用中心 (CRAFT)的双光子聚合 3D 打印机创建了用于实验验证的原型。这种增材制造技术可以实现微米和纳米级的 3D 打印，从而创建优化的碳纳米晶格。

这些优化的纳米晶格的强度比现有设计提高了一倍以上，每立方米每公斤密度可承受 2.03 兆帕的压力，约为钛的五倍。

△从左到右：完整晶格几何图像与漂浮在气泡上的 1875 万个细胞晶格并列。从左到右：完整晶格几何图像与漂浮在气泡上的 1875 万个晶格并列。（照片由 Peter Serles 拍摄）

Serles 说道：“这是机器学习首次应用于优化纳米结构材料，我们对这种改进感到震惊。它不只是从训练数据中复制成功的几何形状；它从形状的哪些变化有效、哪些无效中学习，从而使其能够预测全新的晶格几何形状。”

机器学习通常需要大量数据，而使用有限元分析的高质量数据时很难生成大量数据。但多目标贝叶斯优化算法只需要 400 个数据点，而其他算法可能需要 20,000 个或更多。因此，研究人员使用了规模小得多但质量极高的数据集。

菲莱特说：“我们希望这些新材料设计最终能为航空航天应用带来超轻部件，例如飞机、直升机和航天器，它们可以在飞行过程中减少燃料需求，同时保持安全性和性能。这最终有助于减少飞行产生的高碳足迹。”

Serles 补充道：“例如，如果你用这种材料替换飞机上由钛制成的部件，那么每替换一公斤材料每年就可以节省 80 升燃料。”

项目的其他贡献者包括Yu Zou教授（MSE）、Chandra Veer Singh教授（MSE）、Jane Howe教授（MSE、ChemE）和Charles Jia教授（ChemE）， 以及来自德国卡尔斯鲁厄理工学院（KIT）、麻省理工学院（MIT）和美国莱斯大学的国际合作者。  

现任加州理工学院 (Caltech) 施密特科学研究员的塞勒斯说：“这是一个多方面的项目，汇集了材料科学、机器学习、化学和力学等各种元素，以帮助我们了解如何改进和实施这项技术。”  

Filleter 补充道：“我们的下一步将致力于进一步扩大这些材料设计的规模，以实现具有成本效益的宏观组件。此外，我们将继续探索新的设计，使材料结构的密度更低，同时保持高强度和高刚度。”