معجزه نانو با ساخت موادی قویتر از فولاد و سبک تر از فوم
به گزارش حراج کن، محققان دانشگاه تورنتو با ترکیب یادگیری ماشین و چاپ سه بعدی در مقیاس نانو، موادی ساخته اند که به اندازه فولاد مقاوم بوده و به سبکی فوم هستند. این موفقیت می تواند تحولی بزرگ در صنایع هوافضا و خودرو ایجاد نماید.
به گزارش گروه علمی ایرنا از ستاد ویژه توسعه فناوری نانو، محققان دانشکده مهندسی و علوم کاربردی دانشگاه تورنتو با استفاده از یادگیری ماشین، موادی نانوساختاری طراحی نموده اند که ترکیبی منحصر به فرد از استقامت بالا، وزن کم و قابلیت سفارشی سازی را عرضه می دهند. این مواد می توانند در صنایع مختلف همچون هوافضا و خودرو تحول ایجاد کنند.
این مواد نانوساختار از بلوک های ساختمانی بسیار کوچک یا واحدهای تکراری تشکیل شده اند که اندازه آنها تنها چند صد نانومتر است. این بلوک ها که از جنس کربن هستند، در ساختارهای سه بعدی پیچیده ای به نام نانو شبکه ها (nanolattices) چیده شده اند.
پیتر سرلس، نویسنده اصلی این مقاله چنین توضیح می دهد: مواد نانوساختار با ترکیب شکل های پرکاربرد در مقیاس نانو، مانند ساخت پل از بلوک های مثلثی شکل، و استفاده از اثر «کوچک تر یعنی قوی تر»، به بعضی از بالاترین نسبت های استقامت به وزن و سفتی به وزن در میان تمام مواد دست یافته اند. با این وجود، شکل های استاندارد شبکه ها معمولا دارای گوشه ها و تقاطع های تیز هستند که سبب تمرکز تنش و شکست زودهنگام مواد می شوند. این مورد پتانسیل کلی مواد را محدود می کند.
در این میان، یادگیری ماشین به کمک طراحی مواد نانوساختاری می آید. برای غلبه بر این چالش، این تیم تحقیقاتی از الگوریتم بهینه سازی بیزیان چندهدفه (multi-objective Bayesian optimization) استفاده کردند. این الگوریتم با یادگیری از داده های شبیه سازی شده، بهترین هندسه ها را برای بهبود توزیع تنش و افزایش نسبت استقامت به وزن مواد نانوساختاری پیش بینی نمود.
پیتر سرلس سپس از یک چاپگر سه بعدی مبتنی بر پلیمریزاسیون دو فوتونی در مرکز تحقیقات و کاربرد فناوری های سیالی (CRAFT) برای ساخت نمونه های اولیه استفاده نمود. این فناوری چاپ سه بعدی در مقیاس میکرو و نانو، امکان ایجاد نانو شبکه های کربنی بهینه شده را فراهم می آورد، نتایج اعجاب انگیز بود.
این نانو شبکه های بهینه شده بیشتر از دو برابر استقامت طراحی های قبلی را نشان دادند و توانستند تنشی معادل ۲.۰۳ مگاپاسکال به ازای هر متر مکعب بر کیلوگرم را تحمل کنند. این مقدار حدود پنج برابر بیشتر از استقامت تیتانیوم است.
سرلس می گوید: این نخستین بار است که از یادگیری ماشین برای بهینه سازی مواد نانوساختار استفاده می شود و ما از بهبودهای به دست آمده شوکه شدیم. این الگوریتم نه تنها هندسه های موفق از داده های آموزش داده شده پیشین را تکرار نکرد، بلکه از تغییراتی که در شکل ها مؤثر بودند یاد گرفت و توانست هندسه های کاملا جدیدی را پیش بینی نماید.
این مواد جدید می توانند در صنعت هوافضا برای ساخت قطعات فوق سبک در هواپیماها، هلیکوپترها و فضاپیماها استفاده شوند. این قطعات نه تنها ایمنی و عملکرد را حفظ می کنند، بلکه با کاهش وزن، مصرف سوخت را هم به میزان قابل توجهی کم می کنند.
فیلیتر، سرپرست این پژوهش می گوید: امیدواریم این طراحی های جدید مواد به ساخت قطعات فوق سبک در کاربردهای هوافضا منجر شوند که می توانند تقاضای سوخت را در طول پرواز کاهش دهند و در عین حال ایمنی و عملکرد را حفظ کنند. این امر در نهایت می تواند به کاهش ردپای کربن ناشی از پرواز کمک نماید.
سرلس هم اضافه می کند: اگر قطعات ساخته شده از تیتانیوم در یک هواپیما را با این مواد جایگزین کنید، می توانید به صرفه جویی ۸۰ لیتر سوخت در سال به ازای هر کیلوگرم مواد جایگزین شده دست یابید.
این پروژه چندوجهی، عناصر مختلفی از علوم مواد، یادگیری ماشین، شیمی و مکانیک را گرد هم آورده است تا به بهبود و پیاده سازی این فناوری کمک نماید. گامهای بعدی این تیم تحقیقاتی شامل بهبود مقیاس پذیری این طراحی های مواد برای ساخت قطعات در مقیاس بزرگ و مقرون به صرفه است.
فیلیتر می گوید: علاوه بر این، ما به بررسی طراحی های جدیدی ادامه خواهیم داد که چگالی مواد را حتی بیشتر کاهش دهند و در عین حال استقامت و سفتی بالایی را حفظ کنند.
این موفقیت علمی نه تنها نشان دهنده پتانسیل بالای ترکیب یادگیری ماشین و فناوری های پیشرفته ساخت است، بلکه می تواند راه را برای نوآوری های بیشتر در صنایع مختلف هموار کند.
منبع: harajkon.com
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد معجزه نانو با ساخت موادی قویتر از فولاد و سبک تر از فوم
نظر شما در مورد معجزه نانو با ساخت موادی قویتر از فولاد و سبک تر از فوم