零经验设计多功能最优选材麻省理工用AI改变结构材料设计方法

例如法国的文化象征之一，也是巴黎最高的地标建筑，被法国人爱称为“铁娘子”的埃菲尔铁塔。
其得名于设计它的著名建筑师、构造工程师古斯塔夫·埃菲尔（Gustave Eiffel），而这座铁塔采取预制拼装的方法，全部由钢材培植而成。

当初，埃菲尔铁塔的构造设计可谓争议不断，一方面是其风格与卢浮宫、巴黎圣母院和凯旋门等拥有悠久历史的古典建筑群扞格难入，另一方面则是对其百分百钢架镂空构造的不信赖。
不过实际上，在那个年代用古建筑风格的石料是很难建成高达 324 米的建筑，以是对钢构造的设计与选择是精确的。

如今，随着材料学与打算机技能的不断发展，人们对材料构造的设计范围已从米进入了纳米的尺度；并且适用范围也从最为伟大的建筑材料，扩展为横跨轻质构造、隔热、电池电极、催化剂支架、光学和声学超材料等浩瀚运用领域。
此外，增材制造技能的快速进步也让更为繁芜的构造材料在规模化生产的技能与经济角度上变得可行。

那么问题来了，若何找到一种大略快速且系统化的方法来设计繁芜的构造材料呢？麻省理工学院赵选贺教授最近的一项研究，开拓出一个利用天生式对抗网络（GANs）来设计繁芜构造材料的“平台化”系统。
这项研究揭橥在 4 月 24 日最新一期的 Science Advances 杂志上。
为此，DeepTech 专门与赵选贺教授聊了聊这项研究。

图 | 论文的截图（来源：Science Advances）

只管人们很早就认识到构造材料具有主要的运用代价和巨大潜力，但在设计上始终面临着不少寻衅。

现有的构造材料设计常日采取受自然界生物启示或者拓扑优化（先预测一个形状，然后不断进行优化）等手段。
例如蜂巢状、骨骼形或者植物薄壁组织等形态构造，都来源于生物灵感。
但问题是，自然界的生物并不一定是按照供应最精品造性能的办法进化的，而要面临各种不同的生存问题，因此源于生物灵感的设计常日不能担保得到构造的最优解。

此外，自然界生物系统的可参考范围也是有限的，很多性能与功能更为空想的构造材料找不到相应的生物灵感作为参考。

拓扑优化方法在材料设计上也取得了成功，在一定范围内可以达到最优的构造。
不过，拓扑优化法可能会受到最初对构造预测的制约，不同的初始预测可能来带不同的构造与属性。

最主要的，这些传统方法都须要有着丰富先验知识和履历的设计师来操作，并且终极可以供应选择的设计数量是有限的。
大略来说，水平或许不一般，但人力终有限。

“如果机器可以给人供应更多的选择时，那么人们的精力就可以被开释，把更多的创造力投入到其他事情中。
”赵选贺阐明道，“将这些须要大量数据仿照打算的事情，交给机器去设计。
”

但赵选贺在谈天中特殊强调道：“我们所谓的设计，并不是指在原子层面的拆分组合，不是去设计材料，而是设计构造。
”他表示，构造材料或微构造材料目前是一个新兴的领域，是通过设计材料的构造来追求某种性能。

图 | 设计繁芜构造材料流程示意：A. 数据天生器，用于天生构造材料的配置和属性数据集；B. 数据集演习的 GANs；GANs 提出具有目标性能的新型构造材料设计方案（来源：Science Advances）

天生对抗网络这个观点最早由伊恩·古德费洛（Ian Goodfellow）提出，他是《深度学习》（Deep Learning）作者之一，被称为“GAN 之父”，是目前人工智能领域的顶级专家之一。
简答来说，GANs 便是天生模型和判别模型之间的一个模拟游戏。

天生模型是为了模拟、建模并学习真实数据的分布规律。
而判别模型，则是要判断所得到的输入数据是来自于现实，还是来自于另一个天生模型。
之后，通过这两个内部模型之间的不断对抗，提高其天生能力和判别能力。

“但 GANs 在这里只是一个工具。
”赵选贺对 DeepTech 说道，“它实在便是在烧大量数据，以是关键点在于数据，而且是要高质量、大规模的数据。
”

因此在这项研究中，他与实验组学生最为关键的事情是提出了一种“天生数据的方法”。
“我们首先提出了一个基于晶格的分类。
大略来讲，构造可以被随机产生很多种，但如果完备随机产生，构造里有一些系统性的关联就失落去了。
以是我们先将随机产生的结果，根据晶格构造（对称性等）分成几大类。
”他阐明说。

然后，在每个晶格系统里，他们再把几百万个随机天生的构造上传，并通过大量打算，得出相应性能等干系内容的海量数据，末了再用这些数据演习 GANs。

有趣的是，他们的本意是想办理传统构造材料设计时的局限性，比如须要大量履历、有初始预测限定，或者可供应的设计方案有限等问题。
但末了的结果让他们创造，GANs 不仅供应了数量极多的选择范围，而且供应的材料构造在特性方面也能达到理论的极限，也便是能得到最佳的性能。

“我们在考试测验办理传统设计方法所面临问题的同时，还考试测验了一个非常繁芜、非常有寻衅性的例子——各项同性的构造材料若何达到理论最高的杨氏模量。
”赵选贺说，“过往文献里只有少数几种，都是人们凭借履历给出来的。
而我们通过打算机天生了 400 多个不同的结果，这因此前靠人力很难做出来的。
”

图 | 像素级构造材料插图：A. 建筑材料中的单元、元素和像素的定义；B. 利用 17 组晶体对称在二维空间中天生拓扑；A 和 B 中架构的孔隙度设置为 0.5（来源：Science Advances）

对付 400 多个构造是否都能被制造出来的问题，他向 DeepTech 表示：“我的学生通过激光切割的方法，已经实际做出个中十几种构造材料，还没有用 3D 打印考试测验。
总之，这 400 多种构造中有很大一部分是可以被制造出来。
”

这项研究最为关键的，在于其首创了一个设计构造材料的新思路，并供应了一个平台化的系统。

“这是一个零履历就能得到与最好设计师做出来的构造设计性能相称的系统，而且除了在高硬度构造之外，其运用范围是很广泛的，也可以去做导热、导电、渗透性等多方向构造材料的设计。
”赵选贺说。

当打算机可以给出构造材料的浩瀚功能与性能选择时，是否给制造工艺上也带来了相应的难度？

“这是个好问题。
但实在不管用不用 AI，所有的构造设计方案都会面临这个问题。
”赵选贺答道，“通过传统的仿生学、试错迭代或者拓扑优化等方法，也都会面临生产的问题。
而办理问题的办法，一样平常情形是设计师提出更多的方案，然后再从中选出适宜生产的那一类型。
”

以是，这项研究反而在一定程度上帮助办理了却构材料在制造工艺角度面临的阻碍，由于它给人们供应了更多的选择余地。

“对付一种构造材料来说，不仅要从工艺角度，还要从经济效益角度，乃至多功能的角度来看待问题。
而当考虑的各个角度更多的时候，如果你有更多的选择，那么问题就会变得大略许多。
”他说道。

对付未来的研究，他表示目前实验室在“两条腿走路”：一方面在做根本研究，侧重于材料的性能、构造等；另一方面便是运用研究，比如水凝胶生物电子、人工肌肉等。
长期来看，末了两个方向会逐渐结合，将材料的性能和构造设计领悟，投入到真正的家当化运用中。

图 | 赵选贺教授（来源：本人）

赵选贺目前是麻省理工学院机器工程系的教授，在 2010 年~2014 年期间，他在杜克大学担当机器工程与材料学专业的助理教授。
更早些韶光，他在哈佛大学的生物医学工程专业进行博士后的研究事情。

他在 2003 年本科毕业于天津大学电气工程专业，之后在 2006 年取得加拿大英属哥伦比亚大学（The University of British Columbia）材料工程专业的硕士学位。
随后，他前往哈佛大学学习，并在 2008 年得到机器工程专业硕士学位。
一年后（2009 年），赵选贺又得到了哈佛大学机器工程专业博士学位。

他在麻省理工学院的实验室旨在利用材料、力学和生物技能等超过多专业的综合知识，推进人机接口（界面）的科学技能，以应对康健与可持续性发展等领域的重大社会寻衅。
研究重点包括软体材料与设备的研究和开拓，覆盖聚合物、水凝胶、生物粘合剂、生物电子学和医疗软体机器人等。

人体与各种电子器件的交互和领悟是当代科学技能中前沿的问题之一。

赵选贺提出水凝胶是人机界面的最空想载体之一，并系统定义了水凝胶生物电子学的基本事理和材料设计原则。
在 2018 年，他在英国皇家化学会的 Chemical Society Reviews 上揭橥题为《水凝胶生物电子学》（Hydrogel Bioelectronics）的特邀综述，给出了现有水凝胶电子材料的诸多例子，并建议了水凝胶生物电子学未来发展的方向。

而后，他研究团队在磁性形变材料和医疗机器人、人体双面胶，以及 3D 打印导电聚合物等领域的诸多研究成果被包括《自然》在内的多家顶级学术期刊揭橥。