• 技術名稱
  • 以仿生材料基因平台與人工智慧進行高韌性複合材料結構設計
  • 計畫單位
  • 國立臺灣大學
  • 展區位置
  • 僅供線上展示
  • 聯絡人
  • 許育銓
  • 電子信箱
  • mk60503mk60503@gmail.com
技術說明 本技術藉由觀察、製程、實驗與模擬資料庫,針對仿生微結構進行模擬,發展材料性質預測系統與材料輕量化、高強度、高韌性等複合材多功能設計系統,並整合為多功能仿生結構技術平台,提供直覺化的使用體驗,系統可自動設計並生成符合使用者需求之輕量化結構,且提供多元的材料選擇與建議,在工程應用上具極大發展潛力。
天然材料具有許多獨特性質,除了學術領域上的研究價值外,在工業發展上亦具有廣大的潛在應用。本技術透過圖像觀察分析與多尺度下各種機械性質模擬,探討多種自然界生物材料的結構與機械性質特性並統整生物結構數據供仿生設計。以多尺度結構分析與模擬預測生物微結構的機械性質,包括楊氏係數、韌性、強度、破壞模式等,建立好的資料集則提供予材料預測系統訓練模型。
仿生微結構的模擬結果藉由機器學習的卷積類神經網路(convolutional neural networks, CNN)建立預測模型,預測複合材料之楊氏係數以及預測破壞模式,用以作為高效率的預測工具,提供仿生設計平台快速篩選具有優異性能的結構性仿生材料。此外,以該人工智慧模型結合基因演算法(genetic algorithm, GA),經由數代的迭代演化,有別於傳統多冗的結構設計流程,直接提供設計空間中高強度、高韌性之仿生材料設計。除了基於預測模型的新式材料設計方法,本計畫另開發了一套可快速產生優異性能仿生材料之對抗式生成網路(generative adversarial networks, GAN),從模擬結果中學習仿生材料樣本的幾何特徵,藉由人工智慧重構出新的高韌性仿生材料。藉由人工智慧的引入,兩套材料設計技術對於未來的材料開發皆具有相當重大的突破。
本研究團隊亦將3D列印技術引入MGI資料庫及AI 輔助設計,預測仿生結構的機械性質,開發出新型仿生複合材料,且不受單一材料之侷限,基於製程與結構設計,在材料選擇上具有多樣性,也可依據機械性質生成複雜結構(開放式腔室、封閉式腔室、功能梯度、多階層結構)。
藉由本技術提供之技術平台,仿生/MGI結構材料的開發速度可望大幅提升,且具有多種產業與領域(自行車、汽車、航太、智慧機械、生醫材料、醫療輔具)的應用與發展潛能。
科學突破性 本技術整合仿生材料與人工智慧領域,以多尺度模擬所得的數據集為基礎訓練機器學習模型,建立了新型的材料設計架構。引入人工智慧的材料設計系統有別於傳統僵化的設計思維,能大量且有效率的產生仿生結構設計,並遵循資料科學的精神,從設計中體現出仿生材料的特性。
產業應用性 本技術結合仿生、材料科學與人工智慧,建立材料性質預測系統、設計系統與材料應用系統。所用之材料基因組資料庫更可作為後續大量設計新興複合材料之基礎,突破現今工業材料上之發展,並提升我國相關產業於之競爭性。本技術目前已陸續投入臺灣的產業應用,包含3D列印鞋中底與無人機機體設計製造。
本網站使用您的Cookie於優化網站。繼續瀏覽網站即表示您同意本公司隱私權政策,您可至隱私權政策了解詳細資訊。