生成准确率高达 95%，人工智能结合机器人技术增强可穿戴电子材料设计

ScienceAI · 公众号 · · 2024-06-23 09:57

正文

将 ScienceAI 设为星标

第一时间掌握

新鲜的 AI for Science 资讯

编辑 | 萝卜皮

设计具有定制电气和机械性能的超轻导电气凝胶，对于各种电子设备的应用都至关重要。传统方法依赖于在广阔的参数空间中进行迭代、耗时的实验。

马里兰大学 (UMD) 的研究团队开发了一种结合机器学习和协作机器人技术的模型，加速具有可编程特性的导电气凝胶的设计。

自动移液机器人可以操作，以不同的比例/负载制备 264 种 Ti3C2Tx MXene、纤维素、明胶和戊二醛混合物。冷冻干燥后，评估气凝胶的结构完整性以训练支持向量机分类器。

通过 8 个主动学习周期和数据增强，通过机器人自动化平台制造/表征了 162 种独特的导电气凝胶，从而构建了人工神经网络预测模型。

预测模型进行双向设计任务：（1）根据制造参数预测气凝胶的物理化学性质；（2）针对特定性质要求自动进行气凝胶的逆向设计。

模型解释和有限元模拟的结合使用，验证了气凝胶密度和抗压强度之间的明显相关性。模型建议的气凝胶具有高导电性、定制强度和压力不敏感性，可实现压缩稳定的焦耳加热，以实现可穿戴热管理。

该研究以「Machine intelligence accelerated design of conductive MXene aerogels with programmable properties」为题，于 2024 年 6 月 1 日发布在《Nature Communications》。

导电气凝胶因超轻、可调控的机械与电学性能，广泛应用于传感器、电磁屏蔽、热绝缘及穿戴设备。其制备依赖于材料比例调整，但材料间复杂关系未充分解析，需大量试错实验确定最优参数。

引入机器学习预测模型可加速定制化设计，但面临数据质量与多属性关联分析的挑战。标准化制备流程的缺失及属性优化的片面性限制了模型构建，加之制造过程费时费力，导致训练数据稀缺，难以精准预测多元特性。

尽管如此，结合机器学习的导电气凝胶研究正试图克服上述障碍，通过智能化推荐参数组合，旨在实现高效、定制化的产品开发。

马里兰大学的研究人员开发了一个集成平台，将协作机器人的能力与人工智能/机器学习（AI/ML）预测相结合，加速设计具有可编程机械和电学特性的导电气凝胶。根据特定的性能需求，该机器人/ML整合平台能自动推荐定制化的参数集用于导电气凝胶的制造，无需进行迭代优化实验。

图示：通过自动移液机器人和支持向量机（SVM）分类器定义可行的参数空间。（来源：论文）

「材料科学工程师经常因为缺乏高质量的实验数据而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，还帮助研究人员驾驭复杂的设计空间。」马里兰大学化学与生物分子工程系助理教授 Chen Boyan 说。

图示：通过主动学习循环、数据增强和协作机器人构建预测模型。（来源：论文）

该项目选择了四种构建模块：MXene纳米片、碳纳米纤维（CNFs）、明胶和戊二醛交联剂，用于生产各种导电气凝胶。通过自动化移液机器人（OT-2机器人）制备了不同MXene/CNF/明胶比例及固含量的264种混合物，并经冷冻干燥过程产生多种气凝胶。

基于结构完整性和整体性，这些气凝胶被分类以训练支持向量机（SVM）分类器，从而成功定义了可行的参数空间。随后，通过8个主动学习循环和数据增强，分阶段制造并表征了 162 种导电气凝胶，这些数据被输入到构建高预测精度的人工神经网络（ANN）模型中。

视频：机器人演示。（来源：论文）

在主动学习循环中，通过在气凝胶制造和表征过程中整合 OT-2 机器人和 UR5e 协作机械臂，提高了数据采集率。利用模型的预测能力，实现了双向设计任务：一是根据一组制造参数准确预测导电气凝胶的机械和电学特性；二是自动发现满足特定性能要求的合适导电气凝胶。

通过 SHapley Additive exPlanations（SHAP）模型解释，识别出相关数据驱动的信息，并使用有限元（FE）模拟验证了混合物负载对气凝胶压缩强度的显著影响。作为最终演示，预测模型被用来发现一种适用于穿戴式热管理的应变不敏感导电气凝胶。

模型可以生成准确率高达 95% 的可持续产品。模型生成的导电气凝胶展现出高电导率、定制化的压缩恢复力和超低压力敏感度，在重复压缩周期下实现了高效的焦耳加热性能。

「材料科学工程师经常因为缺乏高质量的实验数据而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，还帮助研究人员驾驭复杂的设计空间。」Chen 说。

这里的混合方法，无缝集成了机器人辅助实验、AI/ML 算法和仿真工具，不仅使导电气凝胶的有效定制成为可能，也为其他纳米科学领域提供了一个通用的工作流程。

「这些方法的融合使我们处于具有可定制复杂特性的材料设计前沿。我们预计利用这个新的扩大生产平台来设计具有独特机械、热和电性能的气凝胶，以适应恶劣的工作环境。」机械工程助理教授、研究合作者 Eleonora Tubaldi 表示。

论文链接：https://www.nature.com/articles/s41467-024-49011-8

相关报道：https://techxplore.com/news/2024-06-ai-robotics-sustainable-aerogels-wearable.html

人工智能 × [ 生物神经科学数学物理化学材料 ]

「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展。

欢迎关注标星，并点击右下角点赞和在看。

点击阅读原文，加入专业从业者社区，以获得更多交流合作机会及服务。