经过 马里兰大学
马里兰大学 (UMD) 的工程师开发了一种将机器学习和协作机器人技术相结合的模型，以克服可穿戴绿色技术材料设计中的挑战。
由马里兰大学化学与生物分子工程系助理教授 Po-Yen Chen 领导的用于可穿戴加热应用的气凝胶材料加速制造方法——发表在期刊上 自然通讯 ——可以自动化新材料的设计过程。
气凝胶与水基凝胶类似，但由空气制成，由于其机械强度和灵活性，是用于隔热和可穿戴技术的轻质多孔材料。尽管气凝胶装配线看似简单，但其装配线却很复杂。研究人员依靠耗时的实验和基于经验的方法来探索广阔的设计空间并设计材料。
为了克服这些挑战，研究团队结合了机器人技术、机器学习算法和材料科学专业知识，以加速设计具有可编程机械和电气性能的气凝胶。他们的预测模型旨在生成准确率高达 95% 的可持续产品。
“由于缺乏高质量的实验数据，材料科学工程师常常难以采用机器学习设计。我们的工作流程结合了机器人技术和机器学习，不仅提高了数据质量和收集率，还帮助研究人员完成复杂的设计空间”，陈说。
该团队的坚固而灵活的气凝胶是使用导电钛纳米片以及纤维素（植物细胞中发现的有机化合物）和明胶（动物组织和骨骼中发现的胶原蛋白衍生蛋白质）等天然成分制成的。
该团队表示，他们的工具还可以扩展以满足气凝胶设计中的其他应用，例如用于溢油清理的绿色技术、可持续能源存储以及隔热窗等热能产品。
Eleonora Tubaldi 表示：“这些方法的融合使我们处于具有可定制复杂性能的材料设计前沿。我们预计将利用这一新的规模化生产平台来设计具有独特机械、热和电性能的气凝胶，适用于恶劣的工作环境。”机械工程助理教授和该研究的合作者。
展望未来，陈的团队将进行研究，以了解影响气凝胶柔韧性和强度特性的微观结构。
更多信息： Snehi Shrestha 等人，机器智能加速了具有可编程特性的导电 MXene 气凝胶的设计， 自然通讯 （2024）。 DOI：10.1038/s41467-024-49011-8
期刊信息： 自然通讯
由...提供 马里兰大学
