L'intelligence artificielle pour des casques de vélo plus sûrs et de meilleures semelles de chaussures

Des casques de vélo qui absorbent l'énergie d'un impact, des chaussures de course qui vous donnent un coup de pouce supplémentaire à chaque pas ou des implants qui se comportent comme un os naturel. Les métamatériaux rendent de telles applications possibles. Leur structure interne est le résultat d’un processus de conception minutieux, à la suite duquel les imprimantes 3D produisent des structures aux propriétés optimisées.

Les chercheurs dirigés par Dennis Kochmann, professeur de mécanique et de matériaux au département de génie mécanique et des procédés de l'ETH Zurich, ont développé de nouveaux outils d'IA qui contournent le processus de conception fastidieux et intuitif des métamatériaux. Au lieu de cela, ils prédisent de manière rapide et automatisée des métamatériaux dotés de propriétés extraordinaires.

Nouveauté, leur cadre s'applique aux charges importantes (dites non linéaires), par exemple lorsqu'un casque absorbe des forces importantes lors d'un impact.

L'équipe de Kochmann a été parmi les pionnières dans la conception de structures cellulaires à petite échelle (semblables aux réseaux de poutres dans les maisons à ossature bois) pour créer des métamatériaux dotés de propriétés spécifiques ou extrêmes. “Par exemple, nous concevons des métamatériaux qui se comportent comme des fluides : difficiles à comprimer mais faciles à déformer. Ou des métamatériaux qui rétrécissent dans toutes les directions lorsqu'ils sont comprimés dans une direction particulière”, explique Kochmann.

Conception matérielle efficace et optimale

Les possibilités de conception semblent infinies. Cependant, tout le potentiel des métamatériaux est loin d’être exploité, puisque le processus de conception est basé sur l’expérience, impliquant des essais et des erreurs. De plus, de petits changements dans la structure peuvent donner lieu à d’énormes changements dans les propriétés.

Dans leur récente percée, les chercheurs ont réussi à utiliser l’IA pour explorer systématiquement la conception abondante et les propriétés mécaniques de deux types de métamatériaux. Leurs outils informatiques peuvent prédire les structures optimales pour les réponses de déformation souhaitées en appuyant simplement sur un bouton.

La clé réside dans l’utilisation de grands ensembles de données sur le comportement de déformation de structures réelles pour former un modèle d’IA qui non seulement reproduit les données, mais génère et optimise également de nouvelles structures. En tirant parti d'une méthode connue sous le nom d'« auto-encodeurs variationnels », l'IA apprend les caractéristiques essentielles d'une structure à partir du vaste ensemble de paramètres de conception et comment ils aboutissent à des propriétés spécifiques.

Il utilise ensuite ces connaissances pour générer un modèle de métamatériau chaque fois que les chercheurs précisent ses propriétés et exigences souhaitées.

Assembler des blocs de construction

Li Zheng, doctorant dans le groupe de Kochmann, a formé un modèle d'IA en utilisant un ensemble de données d'un million de structures et leur réponse simulée. “Imaginez une énorme boîte de briques Lego : vous pouvez les disposer d'innombrables façons et, au fil du temps, apprendre les principes de conception. L'IA le fait de manière extrêmement efficace et apprend les caractéristiques de conception essentielles et comment assembler les éléments de base des métamatériaux pour leur donner un aspect particulier. douceur ou dureté”, explique Zheng.

Contrairement aux approches précédentes utilisant un petit catalogue de blocs de construction comme base de conception, la nouvelle méthode donne à l'IA la liberté d'ajouter, de supprimer ou de déplacer des blocs de construction presque arbitrairement.

Avec Sid Kumar, professeur adjoint à la TU Delft et ancien membre de l'équipe de Kochmann, ils ont montré dans un article récemment publié que le modèle d'IA peut même aller au-delà de ce pour quoi il a été formé et prédire des structures bien meilleures que tout. jamais généré auparavant.

Apprendre du cinéma

Jan-Hendrik Bastek, également doctorant dans le groupe de Kochmann, a utilisé une approche différente pour parvenir à quelque chose de similaire. Il a utilisé une méthode introduite à l'origine pour la génération vidéo basée sur l'IA, et qui est devenue courante : si vous tapez « un éléphant survolant Zurich », l'IA génère une vidéo réaliste d'un éléphant tournant autour de l'église de Fraumünster. Bastek a entraîné son système d'IA à l'aide de 50 000 séquences vidéo de structures déformantes imprimables en 3D.

“Je peux insérer la trajectoire de la façon dont je souhaite que les structures se déforment, et l'IA produit une vidéo de la structure optimale et de la réponse complète à la déformation”, explique Bastek. La plupart des approches précédentes se sont concentrées sur la prédiction d’une seule image de la structure optimale. Cependant, fournir à l’IA des vidéos de l’ensemble du processus de déformation est crucial pour conserver la précision dans des scénarios aussi complexes.

Sur la base des séquences vidéo, l’IA peut créer des plans pour de nouveaux matériaux, en tenant compte de scénarios très complexes.

De gros avantages pour les casques de vélo et les semelles de chaussures

Les chercheurs ont mis leurs outils d’IA à la disposition de la communauté des métamatériaux. Nous espérons que cela mènera à la conception de nombreux matériaux nouveaux et inhabituels. Ces outils ouvrent de nouvelles voies pour le développement d'équipements de protection tels que les casques de vélo et pour d'autres applications des métamatériaux, du génie médical à la robotique douce.

Même les semelles des chaussures peuvent être conçues pour mieux absorber les chocs lors de la course ou pour fournir un coup de pouce vers l'avant lors de la descente. L’IA remplacera-t-elle complètement la conception technique manuelle des matériaux ? “Non”, rit Kochmann. “Bien utilisée, l'IA peut être un assistant très efficace et diligent, mais elle doit recevoir les bonnes instructions et la bonne formation, et cela nécessite des principes scientifiques et un savoir-faire en ingénierie.”

Les travaux sont publiés dans les revues Intelligence des machines naturelles et Communications naturelles.