人工智能预测复杂超材料的特性

给定一张3D折纸，你能把它压平而不损坏它吗?仅通过查看设计，很难预测答案，因为设计中的每一个折叠都必须与展平兼容。这是一个组合问题的例子。由UvA物理研究所和AMOLF研究所领导的新研究表明，机器学习算法可以准确有效地回答这类问题。预计这将推动复杂和功能性(元)材料的人工智能辅助设计。

两种组合机械超材料的设计方式是，当字母M和L被挤压在两块板(顶部和底部)之间时，会在前面凸出。AI使设计此类新颖的超材料变得容易。图片来源：DaanHaver和YaoDu/阿姆斯特丹大学

在他们发表在《物理评论快报》上的最新作品中，研究团队测试了人工智能(AI)预测所谓组合机械超材料特性的能力。

这些是工程材料，其特性由其几何结构而非化学成分决定。一张折纸也是一种超材料，其展平能力(一种物理上明确定义的属性)取决于它的折叠方式(其结构)，而不是由其制成的纸张类型决定。更一般地说，智能设计使我们能够精确控制超材料在何处或如何弯曲、弯曲或凸起，这些超材料可用于各种用途，从减震器到太空卫星上展开的太阳能电池板。

实验室研究的典型组合超材料由两种或多种类型或方向的构建块组成，当施加机械力时，它们会以不同的方式变形。如果这些积木随机组合，材料作为一个整体通常不会在压力下弯曲，因为并非所有积木都能按照他们想要的方式变形;他们会卡住。当一个积木想要向外凸出时，它的邻居应该能够向内挤压。为了让超材料容易弯曲，所有变形的积木都需要像拼图一样拼在一起。就像改变单折可以使折纸无法展平一样，改变单块可以使“松软”的超材料变硬。

难以预测

虽然超材料有许多潜在的应用，但设计一种新的超材料具有挑战性。从一组特定的构建块开始，推导出不同结构的整体超材料属性通常归结为反复试验。在这个时代，我们不想手工完成所有这些工作。然而，由于组合超材料的特性对单个构建块的变化非常敏感，因此传统的统计和数值方法速度缓慢且容易出错。

相反，研究人员发现机器学习可能是答案：即使仅给出相对较少的示例集以供学习，所谓的卷积神经网络也能够准确预测任何构造块配置的超材料特性，直至最好的细节。

“这远远超出了我们的预期，”博士生和第一作者RyanvanMastrigt说。“预测的准确性向我们表明，神经网络实际上已经了解了超材料特性背后的数学规则，即使我们自己并不知道所有规则。”

这一发现表明我们可以使用AI来设计具有有用特性的新型复杂超材料。更广泛地说，将神经网络应用于组合问题使我们能够提出许多令人兴奋的问题。也许它们可以帮助我们解决其他情况下的(组合)问题。相反，这些发现可以提高我们对神经网络本身的理解，例如，通过证明神经网络的复杂性与它可以解决的问题的复杂性之间的关系。