Material mais forte do que aço e mais leve do que espuma impresso em 3D projetado por IA e Engenheiros da Universidade de Toronto inaugura no era dos materiais. Prometendo revolucionar indústrias que vão da engenharia aeroespacial à medicina.
A pesquisa foi publicada na Revista Advanced Materials.
A partir dessa inovação como seriam os projetos de aviões, carros e navios em um futuro proximo?
Imagem artística representativa da geometria completa da rede cristalina é justaposta a uma rede de 18,75 milhões de células flutuando sobre uma bolha. Imagem: Gemini: IA do Google
Apoie o Portal Nature & Space
Inscreva-se Grátis! Receba a Lista de Artigos e Vídeos da Semana
A seguir veremos como um nova era dos materiais foi inaugurada com uso de IA por Engenheiros para criar um super material impresso em 3D pode mudar o mundo, especialmente Aviação, naves espaciais, navios, carros e o transporte em geral. Em texto, imagens e vídeos.
Compartilhar é Livre. Ajude-nos Citando o Link Deste Artigo!
Publicidade
Com o uso de algoritmos generativos avançados, Bayesiana e impressão 3D de, o super material geométrico quebra os limites da física dos materiais
Imagine uma estrutura tão leve quanto a espuma de um colchão, mas capaz de suportar o peso de um tanque de guerra sem sofrer um único arranhão.
O que parecia impossível acaba de ser alcançado por engenheiros da Universidade de Toronto com a ajuda da Inteligência Artificial.
Combinando algoritmos generativos avançados e impressão 3D de altíssima precisão, os cientistas projetaram um supermaterial geométrico que quebra os limites tradicionais da física.
Essa inovação não apenas desafia o aço em resistência, mas abre as portas para uma nova era industrial, prometendo transformar desde o peso dos foguetes espaciais até a durabilidade de próteses médicas e veículos elétricos.
Na pesquisa, a equipe liderada pelo professor Tobin Filleter descreve como produziram nanomateriais com propriedades que oferecem uma combinação aparentemente contraditória de resistência excepcional, leveza e capacidade de personalização.
Os nanomateriais arquitetados estão na vanguarda do design de metamateriais e estabeleceram o padrão de referência para o desempenho mecânico em diversas aplicações contemporâneas.
No entanto, os designs nanoarquitetados tradicionais com topologias convencionais apresentam distribuições de tensão deficientes e induzem falhas nodais prematuras.
“Os materiais nanoestruturados combinam formas de alto desempenho, como construir uma ponte com triângulos, em escala nanométrica, aproveitando o princípio de que ‘menor é mais forte’, para alcançar algumas das maiores relações resistência/peso e rigidez/peso de qualquer material”, afirma Peter Serles, primeiro autor do novo artigo.
“No entanto, as formas e geometrias de treliça padrão utilizadas tendem a apresentar interseções e cantos agudos, o que leva ao problema da concentração de tensões. Isso resulta em falhas locais prematuras e quebra dos materiais, limitando seu potencial geral.”
▶️ Assista Nature & Space TV
Sua TV de Ciência e Tecnologia
Vídeo 1:Forte Como Aço, Leve Como Espuma: A Era da Nanoengenharia Estrutural
Compartilhar é Livre. Ajude-nos Citando o Link Deste Artigo!
Apoie o Portal Nature & Space
Inscreva-se Grátis! Receba a Lista de Artigos e Vídeos da Semana
Algoritmo de otimização Bayesiana multiobjetivo precisou de apenas 400 pontos de dados, enquanto outros precisam de 20.000 ou mais
Os nanomateriais são compostos por minúsculos blocos de construção ou unidades repetidas que medem algumas centenas de nanômetros — seriam necessárias mais de 100 delas, dispostas em fila, para atingir a espessura de um fio de cabelo humano.
Esses blocos de construção, que neste caso são compostos de carbono, são organizados em estruturas tridimensionais complexas chamadas nanorredes.
Para desenvolver seus materiais aprimorados, Serles e Filleter trabalharam com o Professor Seunghwa Ryu e o estudante de doutorado Jinwook Yeo no Instituto Avançado de Ciência e Tecnologia da Coreia (KAIST) em Daejeon, Coreia do Sul.
Otimização Bayesiana multiobjetivo para o projeto generativo de nanorredes de carbono com alta dificuldade e resistência à correção em baixa densidade.a) Ilustração do fluxo de trabalho do. Imagem: Artigo: https://advanced.onlinelibrary.wiley.com/doi/10.1002/adma.202410651
Publicidade
Essa parceria foi iniciada por meio do programa International Doctoral Clusters da Universidade de Toronto, que apoia a formação doutoral através do envolvimento em pesquisa com colaboradores internacionais.
A equipe do KAIST empregou o algoritmo de aprendizado de máquina de otimização Bayesiana multiobjetivo.
Esse algoritmo aprendeu com geometrias simuladas para prever as melhores geometrias possíveis para aprimorar a distribuição de tensão e melhorar a relação resistência/peso de projetos nanoestruturados.
Serles então utilizou uma impressora 3D de polimerização de dois fótons, localizada no Centro de Pesquisa e Aplicação em Tecnologias Fluídicas (CRAFT), para criar protótipos para validação experimental. Essa tecnologia de manufatura aditiva permite a impressão 3D em escala micro e nano, criando nanoestruturas de carbono otimizadas.
Uma imagem da geometria completa da rede (esquerda) é justaposta com uma rede de 18,75 milhões de células flutuando em uma bolha (direita). Imagem: Peter Serles/University of Toronto Engineering. Imagem: Artigo: https://advanced.onlinelibrary.wiley.com/doi/10.1002/adma.202410651
Publicidade
Essas nanoestruturas otimizadas mais que dobraram a resistência dos projetos existentes, suportando uma tensão de 2,03 megapascals por metro cúbico por quilograma de sua densidade, o que é cerca de cinco vezes maior que a do titânio.
“sta é a primeira vez que o aprendizado de máquina foi aplicado para otimizar materiais nanoestruturados, e ficamos impressionados com as melhorias”, diz Serles. “
le não apenas replicou geometrias bem-sucedidas dos dados de treinamento; aprendeu com as mudanças nas formas quais funcionavam e quais não funcionavam, permitindo prever geometrias de rede completamente novas.
“O aprendizado de máquina normalmente exige muitos dados, e é difícil gerar uma grande quantidade de dados quando se utiliza dados de alta qualidade provenientes de análises de elementos finitos.
Mas o algoritmo de otimização Bayesiana multiobjetivo precisou de apenas 400 pontos de dados, enquanto outros algoritmos podem precisar de 20.000 ou mais. Assim, conseguimos trabalhar com um conjunto de dados muito menor, porém de altíssima qualidade.”
▶️ Assista Nature & Space TV
Sua TV de Ciência e Tecnologia
Vídeo 2: Mais forte que o aço. Mais leve que o plástico. Por que não usamos isso?
Compartilhar é Livre. Ajude-nos Citando o Link Deste Artigo!
Publicidade
Novos materiais ultraleves tem aplicações aeroespaciais, aviões, helicópteros e espaçonaves com redução de peso e combustível
Conforme a equipe descreveu, combinando projetos otimizados por Bayes e carbono pirolisado nanoarquitetado, as nanoestruturas otimizadas exibem a resistência do aço carbono com a densidade do isopor, oferecendo capacidades incomparáveis em redução de peso, redução do consumo de combustível e aplicações de design contemporâneo.
Esperamos que esses novos projetos de materiais levem, eventualmente, a componentes ultraleves em aplicações aeroespaciais, como aviões, helicópteros e espaçonaves, que possam reduzir o consumo de combustível durante o voo, mantendo a segurança e o desempenho”, diz Filleter.
Isso pode, em última análise, ajudar a reduzir a alta pegada de carbono da aviação.
Otimização Bayesiana multiobjetivo para o projeto generativo de nanorredes de carbono com alta dificuldade e resistência à correção em baixa densidade.a) Ilustração do fluxo de trabalho do. Imagem: Artigo: https://advanced.onlinelibrary.wiley.com/doi/10.1002/adma.202410651
“Por exemplo, se você substituísse componentes de titânio em um avião por esse material, estaria economizando 80 litros de combustível por ano para cada quilograma de material substituído”, acrescenta Serles.
Outros colaboradores do projeto incluem os professores da Universidade de Toronto Yu Zou, Chandra Veer Singh, Jane Howe e Charles Jia, bem como colaboradores internacionais do Instituto de Tecnologia de Karlsruhe (KIT) na Alemanha, do Instituto de Tecnologia de Massachusetts (MIT) e da Universidade Rice nos Estados Unidos.
“Este foi um projeto multifacetado que reuniu vários elementos da ciência dos materiais, aprendizado de máquina, química e mecânica para nos ajudar a entender como aprimorar e implementar essa tecnologia”, diz Serles, que agora é bolsista de ciências Schmidt no Instituto de Tecnologia da Califórnia (Caltech).
Da esquerda para a direita: Professor Tobin Filleter (MIE) e Peter Serles (MIE MASc 1T9, MIE PhD 2T4). fotos de Daria Perevezentsev e Dewey Chang
Publicidade
Nossos próximos passos se concentrarão em aprimorar ainda mais a ampliação desses projetos de materiais para viabilizar componentes em macroescala com custo-benefício” acrescenta Filleter.
“Além disso, continuaremos a explorar novos designs que levem as arquiteturas dos materiais a densidades ainda menores, mantendo alta resistência e rigidez.”
Assista Nature & Space TV - Das Fronteiras da Ciência Selecionados Por Nós Para Você. Vídeos Relacionados aos Artigos, Atualizados todo Dia! 🔭 Astronomia,...
