机器智能加速设计具有可编程性能的导电MXene气凝
Snehi Shrestha1, Kieran James Barvenik2, Tianle Chen1
1Department of Chemical and Biomolecular Engineering, University of Maryland, College Park, MD, 20742, USA.
Nature communications
|June 1, 2024
概括
本研究引入了使用机器人和机器学习的自动化工作流程,以快速设计导电气凝. 这加速了用于先进应用的可调节电气和机械性能的材料的发现.
科学领域:
- 材料科学 材料科学 材料科学
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
背景情况:
- 设计具有特定电气和机械性能的超轻导电气凝是具有挑战性的,因为实验参数空间庞大.
- 传统的方法是代的,耗时的,阻碍了快速的材料开发.
研究的目的:
- 开发一个集成的工作流程,结合协作机器人和机器学习,以加速导电气凝的设计.
- 创建气凝特性预测模型,并为特定要求实现反向设计.
主要方法:
- 一个自动化喷雾机器人准备了264种独特的Ti3C2Tx MXene基气凝配方.
- 使用主动学习和数据增强来训练支持向量机器和人工神经网络模型.
- 机器人自动化平台被用于制造和表征162种独特的气凝.
主要成果:
- 构建了一个人工神经网络模型来预测气凝的特性并执行反向设计.
- 模型解释和有限元模拟证实了气凝密度和压力强度之间的强相关性.
- 工作流成功设计了具有高导电性,定制强度和压力不敏感的气凝.
结论:
- 集成的机器人和机器学习工作流大幅加快了导电气凝的设计和发现.
- 开发的预测模型可以为特定的材料属性要求提供高效的反向设计.
- 优化的气凝适用于诸如可穿戴热管理系统中的压缩稳定焦耳加热等应用.
