مواد و ساخت پیشرفته

محققان مانند همیشه در توسعه فرامواد پیشگام هستند، موادی که خواص آنها نه توسط ترکیب مولکولی بلکه توسط هندسه ساختاری آنها تعیین می‌شود. این نوآوری از طریق طراحی دیجیتال و پرینت سه‌بعدی امکان‌پذیر می‌گردد و امکان ایجاد موادی با ویژگی‌های بی‌سابقه‌ای مانند ساختارهای جامد که مانند سیال عمل می‌کنند، فراهم می‌شود. پیشرفت در فناوری فرامواد، که توسط هوش مصنوعی تسهیل می‌گردد، ایجاد موادی با خواص جدید و با دوام بیشتر را امکان‌پذیر می‌سازد و این امر نویدبخش پیامدهای قابل‌توجهی برای حوزه‌های مختلف است.

خواص مواد معمولی مانند سختی و انعطاف‌پذیری با ترکیب مولکولی مواد تعیین می‌شود اما خواص فرامواد توسط هندسه ساختاری که از آن ساخته شده‌اند تعیین می‌گردد. محققان این ساختارها را به صورت دیجیتالی طراحی کرده و سپس آن را به صورت سه‌بعدی چاپ می‌کنند. فرامواد حاصل می‌تواند خواص غیرطبیعی و شدیدی از خود نشان دهد.

به طور سنتی، طراحان از مواد موجود برای طراحی یک دستگاه یا یک ماشین جدید استفاده می‌کنند ولی مشکل این مسئله این است که دامنه خواص مواد موجود محدود است. برخی از خواصی که ما دوست داریم داشته باشیم، در طبیعت وجود ندارند. رویکرد این است به ما بگویید که می‌خواهید چه ویژگی‌هایی داشته باشید و ما یک ماده مناسب با آن ویژگی‌ها مهندسی می‌کنیم. پروفسور امیر زادپور از دپارتمان مهندسی بیومکانیک در این باره می‌گوید آنچه در این صورت به دست می‌آورید واقعاً یک ماده نیست بلکه چیزی بین یک ساختار و یک ماده، یعنی یک فراماده است.

فرآیند کشف مواد به این شکل مستلزم حل یک مسئله به اصطلاح معکوس است: مشکل یافتن هندسه‌ای است که خواص مورد نظر شما را به وجود می‌آورد. حل مشکلات معکوس بسیار دشوار است، جاییکه هوش مصنوعی در تصویر ظاهر می‌شود. محققان (ایرانی) دانشگاه صنعتی دلفت هلند مدل‌های یادگیری عمیق را توسعه داده‌اند که این مشکلات معکوس را حل می‌کند.

دکتر هلدا پهلوانی نویسنده اول مقاله این تحقیق می‌گوید حتی زمانیکه مسائل معکوس در گذشته با این فرض ساده که هندسه مقیاس کوچک را می‌توان از تعداد بی‌نهایت بلوک ساختمانی ساخت حل شده بودند ولی باز هم محدودیت‌ها باقی بود. مشکل این فرض آن است که فرامواد معمولاً با چاپ سه‌بعدی ساخته می‌شوند و چاپگرهای سه بعدی واقعی دارای وضوح محدودی هستند که همین مسئله تعداد بلوک‌های ساختمانی را که در یک دستگاه قرار می‌گیرند محدود می‌نماید.

مدل‌های هوش مصنوعی توسعه‌یافته توسط محققان (ایرانی) دانشگاه صنعتی دلفت با دور زدن چنین فرضیات ساده‌کننده‌ای، حوزه جدیدی را ایجاد می‌کنند. بنابراین اکنون می‌توانیم به سادگی بپرسیم: تکنیک ساخت شما به شما اجازه می‌دهد تا چند بلوک ساختمانی را در دستگاه خود جای دهید؟ سپس مدل هندسه‌ای را پیدا می‌کند که ویژگی‌های مورد نظر شما را برای تعداد بلوک‌های ساختمانی که واقعاً می‌توانید بسازید، به شما ارائه می‌دهد.

زادپور می‌گوید یک مشکل عملی عمده که در تحقیقات قبلی نادیده گرفته شده است دوام فرامواد بوده است. اکثر طرح‌های موجود پس از چند بار استفاده شکسته می‌شوند. دلیل آن این است که رویکردهای طراحی فرامواد موجود، دوام را در نظر نمی‌گیرند. تاکنون فقط به این موضوع مربوط می‌شد که می‌توان به چه ویژگی‌هایی دست یافت. مطالعه ما دوام را در نظر می‌گیرد و بادوام‌ترین طرح‌ها را از میان مجموعه بزرگی از نامزدهای طراحی انتخاب می‌کند. این باعث می‌شود که طرح‌های ما واقعاً کاربردی باشد و فقط ماجراجویی‌های نظری نباشد.

پروفسور محمد میرزاعلی نویسنده مسئول این مقاله نیز می‌گوید که امکانات فرامواد، نامحدود به نظر می‌رسند ولی پتانسیل کامل بهره‌گیری از آنها هنوز محقق نشده است. این امر به این دلیل است که یافتن طراحی بهینه یک فراماده در حال حاضر هنوز عمدتاً مبتنی بر شهود و شامل آزمون و خطا است و بنابراین کار فشرده و سنگینی در پیش است.

استفاده از فرآیند طراحی معکوس، که در آن خواص مورد نظر نقطه شروع طراحی هستند، هنوز در زمینه فرامواد بسیار نادر است. اما ما فکر می‌کنیم گامی که برداشته‌ایم انقلابی در زمینه فرامواد است. این می‌تواند به انواع برنامه‌های جدید منجر شود. کاربردهای احتمالی برای آنها در ایمپلنت‌های ارتوپدی، ابزارهای جراحی، روبات‌های نرم، آینه‌های تطبیقی و لباس‌های بیرونی وجود دارد.

منبع مطلب و لینک مقاله اصلی