Un revêtement capable de cacher des objets à la vue de tous ou un implant qui se comporte exactement comme du tissu osseux :ces objets extraordinaires sont déjà fabriqués à partir de « métamatériaux ». Des chercheurs de la TU Delft ont maintenant développé un outil d'IA qui non seulement peut découvrir des matériaux aussi extraordinaires, mais les rend également prêts à être fabriqués et durables. Cela permet de créer des appareils dotés de fonctionnalités inédites. Ils ont publié leurs résultats dans Advanced Materials. .
Les propriétés des matériaux normaux, telles que la rigidité et la flexibilité, sont déterminées par la composition moléculaire du matériau, mais les propriétés des métamatériaux sont déterminées par la géométrie de la structure à partir de laquelle ils sont construits. Les chercheurs conçoivent ces structures numériquement puis les font imprimer en 3D. Les métamatériaux résultants peuvent présenter des propriétés non naturelles et extrêmes. Les chercheurs ont par exemple conçu des métamatériaux qui, bien que solides, se comportent comme un fluide.
"Traditionnellement, les concepteurs utilisent les matériaux dont ils disposent pour concevoir un nouvel appareil ou une nouvelle machine. Le problème est que l'éventail des propriétés des matériaux disponibles est limité. Certaines propriétés que nous aimerions avoir n'existent tout simplement pas dans la nature. Notre approche est la suivante :dites-nous ce que vous souhaitez avoir comme propriétés et nous concevons un matériau approprié avec ces propriétés. Ce que vous obtiendrez alors n'est pas vraiment un matériau mais quelque chose entre une structure et un matériau, un métamatériau", explique le professeur. Amir Zadpoor du Département de génie biomécanique.
Conception inversée
Un tel processus de découverte de matériaux nécessite de résoudre un « problème inverse » :le problème de trouver la géométrie qui donne naissance aux propriétés souhaitées. Les problèmes inverses sont notoirement difficiles à résoudre, et c’est là qu’intervient l’IA. Les chercheurs de la TU Delft ont développé des modèles d'apprentissage en profondeur qui résolvent ces problèmes inverses.
"Même lorsque les problèmes inverses ont été résolus dans le passé, ils ont été limités par l'hypothèse simplificatrice selon laquelle la géométrie à petite échelle peut être réalisée à partir d'un nombre infini de blocs de construction. Le problème avec cette hypothèse est que les métamatériaux sont généralement fabriqués par impression 3D. et les vraies imprimantes 3D ont une résolution limitée, ce qui limite le nombre d'éléments de base pouvant s'insérer dans un appareil donné", explique la première auteure, le Dr Helda Pahlavani.
Les modèles d'IA développés par les chercheurs de la TU Delft innovent en contournant ces hypothèses simplificatrices. "Nous pouvons donc maintenant simplement demander :combien de blocs de construction votre technique de fabrication vous permet-elle d'accueillir dans votre appareil ? Le modèle trouve ensuite la géométrie qui vous donne les propriétés souhaitées pour le nombre de blocs de construction que vous pouvez réellement fabriquer."
Un problème pratique majeur négligé dans les recherches antérieures est la durabilité des métamatériaux. La plupart des modèles existants se cassent après avoir été utilisés plusieurs fois. En effet, les approches de conception de métamatériaux existantes ne prennent pas en compte la durabilité.
"Jusqu'à présent, il s'agissait uniquement des propriétés pouvant être obtenues. Notre étude prend en compte la durabilité et sélectionne les conceptions les plus durables parmi un large éventail de conceptions candidates. Cela rend nos conceptions vraiment pratiques et pas seulement des aventures théoriques", explique Zadpoor.
Les possibilités des métamatériaux semblent infinies, mais leur plein potentiel est loin d'être exploité, explique le professeur assistant Mohammad J. Mirzaali, auteur correspondant de la publication. En effet, la recherche de la conception optimale d’un métamatériau repose encore largement sur l’intuition, implique des essais et des erreurs et demande donc beaucoup de travail. Utiliser un processus de conception inverse, où les propriétés souhaitées sont le point de départ de la conception, est encore très rare dans le domaine des métamatériaux.
"Mais nous pensons que la mesure que nous avons prise est révolutionnaire dans le domaine des métamatériaux. Elle pourrait conduire à toutes sortes de nouvelles applications." Il existe des applications possibles dans les implants orthopédiques, les instruments chirurgicaux, les robots souples, les miroirs adaptatifs et les exo-combinaisons.
Plus d'informations : Helda Pahlavani et al, Deep Learning pour la conception inverse indépendante de la taille de métamatériaux mécaniques imprimés en 3D en réseau aléatoire, Matériaux avancés (2023). DOI : 10.1002/adma.202303481
Informations sur le journal : Matériaux avancés
Fourni par l'Université de technologie de Delft
