Les structures artificielles appelées matériaux cellulaires possèdent un réseau d’espaces internes au sein d’une matrice solide semblable à des cellules. Leur architecture poreuse semblable à une mousse combine les avantages d’une faible densité et de la résistance. Des chercheurs de l'Institut national des sciences des matériaux (NIMS) et de l'Université de Tsukuba au Japon, supervisés par Ikumu Watanabe au NIMS, ont appliqué une forme d'intelligence artificielle (IA) générative pour développer une approche nouvelle et améliorée pour concevoir des matériaux cellulaires avec précision. porosité et rigidité ciblées.
Leurs travaux sont publiés dans la revue Science and Technology of Advanced Materials. .
"Contrairement aux approches conventionnelles, notre méthode ne repose pas sur l'expérience d'un concepteur", explique le chercheur en informatique Xiaoyang Zheng, premier auteur de l'article de recherche. "Nous appelons cela une approche inverse, car au lieu de proposer initialement une conception puis de la tester, le système explore les conceptions à partir d'un espace de fonctionnalités de faible dimension (c'est-à-dire l'espace latent) et génère automatiquement une conception avec les propriétés souhaitées."
Il existe de nombreuses applications possibles, mais les auteurs soulignent le potentiel d'utilisation de leur méthode pour concevoir des implants osseux avec une porosité, une rigidité et une élasticité spécifiques souhaitées.
Le processus de conception informatisé commence par une structure géométrique 3D composée d'éléments discrets appelés voxels. Un système d’IA générative entraîné, appelé réseau contradictoire génératif conditionnel, est ensuite utilisé pour générer la conception d’un réseau 3D avec des propriétés ciblées. De vrais matériaux 3D correspondant au design suggéré sont ensuite construits et testés expérimentalement, à l'aide de résines imprimées en 3D. Leur comportement a également été étudié à l'aide de simulations informatiques.
"Bien que nous ayons déjà développé un système 2D similaire, son expansion en 3D était un défi en raison de l'effort de calcul massif requis", explique Zheng. "La génération de telles conceptions géométriques 3D est à la pointe de la technologie, non seulement dans la science des matériaux mais aussi dans la recherche sur l'IA en général."
Outre l'utilisation suggérée pour la fabrication d'implants osseux, les chercheurs soulignent des avancées potentielles dans le large éventail d'applications dans lesquelles les matériaux cellulaires sont actuellement utilisés et également envisagés pour un développement futur. Il s'agit notamment de matériaux pour la robotique logicielle, l'électronique et les commutateurs logiciels, ainsi que le stockage et la conversion électrochimiques de l'énergie.
"La grande caractéristique de cette approche est la diversité des solutions qu'elle peut apporter, générant de nombreux candidats possibles pour de nombreux matériaux différents", conclut Zheng.
Après avoir démontré la faisabilité et le potentiel du système, l'équipe prévoit désormais de l'utiliser pour explorer une variété de matériaux avancés. Dans le cadre de ce travail, ils espèrent étendre la portée du système d'IA afin qu'il puisse cibler une plus grande variété de propriétés dans les matériaux qu'il conçoit.
Plus d'informations : Xiaoyang Zheng et al, Conception inverse basée sur l'apprentissage profond de matériaux cellulaires architecturés en trois dimensions avec la porosité et la rigidité cibles à l'aide de réseaux de Voronoï voxélisés, Science et technologie des matériaux avancés (2022). DOI :10.1080/14686996.2022.2157682
Informations sur le journal : Science et technologie des matériaux avancés
Fourni par l'Institut national pour la science des matériaux
