Des ingénieurs de l'Université du Maryland (UMD) ont développé un modèle combinant apprentissage automatique et robotique collaborative pour surmonter les défis liés à la conception de matériaux utilisés dans les technologies vertes portables.
Dirigée par Po-Yen Chen, professeur adjoint au département de génie chimique et biomoléculaire de l'UMD, la méthode accélérée pour créer des matériaux aérogel utilisés dans les applications de chauffage portables, publiée dans la revue Communications naturelles– pourrait automatiser les processus de conception de nouveaux matériaux.
Semblables aux gels à base d’eau, mais fabriqués à partir d’air, les aérogels sont des matériaux légers et poreux utilisés dans l’isolation thermique et les technologies portables, en raison de leur résistance mécanique et de leur flexibilité. Mais malgré leur nature apparemment simpliste, la chaîne d’assemblage des aérogels est complexe ; les chercheurs s'appuient sur des expériences chronophages et des approches basées sur l'expérience pour explorer un vaste espace de conception et concevoir les matériaux.
Pour surmonter ces défis, l’équipe de recherche a combiné la robotique, les algorithmes d’apprentissage automatique et l’expertise en science des matériaux pour permettre la conception accélérée d’aérogels dotés de propriétés mécaniques et électriques programmables. Leur modèle de prédiction est conçu pour générer des produits durables avec un taux de précision de 95 %.
« Les ingénieurs en science des matériaux ont souvent du mal à adopter la conception basée sur l'apprentissage automatique en raison de la rareté des données expérimentales de haute qualité. Notre flux de travail, qui combine la robotique et l'apprentissage automatique, améliore non seulement la qualité des données et les taux de collecte, mais aide également les chercheurs à naviguer dans la conception complexe. l'espace”, a déclaré Chen.
Les aérogels solides et flexibles de l'équipe ont été fabriqués à partir de nanofeuilles de titane conductrices, ainsi que de composants naturels tels que la cellulose (un composé organique présent dans les cellules végétales) et la gélatine (une protéine dérivée du collagène présente dans les tissus et les os des animaux).
L'équipe affirme que leur outil peut également être étendu pour répondre à d'autres applications dans la conception d'aérogels, telles que les technologies vertes utilisées dans le nettoyage des déversements d'hydrocarbures, le stockage d'énergie durable et les produits d'énergie thermique comme les fenêtres isolantes.
“Le mélange de ces approches nous place à la frontière de la conception de matériaux aux propriétés complexes et personnalisables. Nous prévoyons de tirer parti de cette nouvelle plate-forme de production à grande échelle pour concevoir des aérogels dotés de propriétés mécaniques, thermiques et électriques uniques pour les environnements de travail difficiles”, a déclaré Eleonora Tubaldi, professeur adjoint en génie mécanique et collaborateur à l’étude.
Pour l’avenir, le groupe de Chen mènera des études pour comprendre les microstructures responsables de la flexibilité et des propriétés de résistance de l’aérogel.
Plus d'information:
Snehi Shrestha et al, Conception accélérée par l'intelligence artificielle d'aérogels conducteurs MXene aux propriétés programmables, Communications naturelles (2024). DOI : 10.1038/s41467-024-49011-8
Fourni par l'Université du Maryland
Citation: L'IA et la robotique améliorent la conception d'aérogels durables pour les technologies portables (4 juin 2024) récupéré le 4 juin 2024 sur
Ce document est soumis au droit d'auteur. En dehors de toute utilisation équitable à des fins d'étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni seulement pour information.
