Badacze inżynierii materiałowej z Uniwersytetu Toronto podjęli się opracowania wysokowytrzymałych nanostruktur na bazie węgla.
Nanostruktury sieciowe typu lattice układane są z wielu jednakowych elementów, o wielkości rzędu setek nanometrów, co oznacza, że w celu budowy nanostruktury o rozmiarach porównywalnych do grubości ludzkiego włosa, układa się obok siebie ponad sto takich elementów. Swoją niezwykłą wytrzymałość tego typu struktury zawdzięczają specjalnej geometrii współpracujących ze sobą elementów. Jednak większość typowych elementów wykorzystywanych w budowie nanostruktur zawiera ostre kąty i krawędzie, co prowadzi do koncentracji naprężeń. Postanowiono więc zastosować algorytmy uczenia maszynowego do wygenerowania optymalnych geometrii elementów nanostruktury pod kątem uzyskania korzystnego rozkładu naprężeń i jak najwyższego stosunku wytrzymałości do masy materiału.
We współpracy z koreańskimi specjalistami z KAIST zastosowano algorytm wielocelowej optymalizacji bayesowskiej. Prototypy struktur zbudowano z elementów wydrukowanych metodą polimeryzacji wielofotonowej. Uzyskane struktury okazały się dwukrotnie mocniejsze od dotychczasowych, wykazując odporność na naprężenia rzędu 2.03 MPa m3 kg−1, a więc pięć razy większą od tytanu (dla małej gęstości <215 kg m−3).
Dalsze badania będą koncentrowały się nad technologią wytwarzania w makroskali materiałów konstrukcyjnych opartych o opracowaną nanostrukturę lattice.
news.engineering.utoronto.ca
Serles P. et al.: Ultrahigh Specific Strength by Bayesian Optimization of Carbon Nanolattices. Adv. Mater. 2025, 2410651
