Combinata robotica e intelligenza artificiale

Sviluppato un modello che combina apprendimento automatico e robotica collaborativa per superare le sfide nella progettazione dei materiali utilizzati nella tecnologia verde indossabile

Guidato dal dottor Po-Yen Chen (1), assistente professore presso il Dipartimento di ingegneria chimica e biomolecolare dell'University of Maryland (UMD), il metodo accelerato per creare materiali aerogel utilizzati in applicazioni di riscaldamento indossabili - pubblicato sulla rivista Nature Communications (2) - potrebbe automatizzare i processi di progettazione per nuovi materiali.

La progettazione di aerogel conduttivi ultraleggeri con proprietà elettriche e meccaniche personalizzate è fondamentale per varie applicazioni. Gli approcci convenzionali si basano su esperimenti iterativi e dispendiosi in termini di tempo su un vasto spazio di parametri.

Simili ai gel a base d'acqua, ma realizzati utilizzando l'aria, gli aerogel sono materiali leggeri e porosi utilizzati nell'isolamento termico e nelle tecnologie indossabili, grazie alla loro resistenza meccanica e flessibilità. Ma nonostante la loro natura apparentemente semplicistica, la catena di montaggio dell’aerogel è complessa; i ricercatori si affidano a esperimenti che richiedono molto tempo e ad approcci basati sull'esperienza per esplorare un vasto spazio di progettazione e progettare i materiali.

Per superare queste sfide, il gruppo di ricerca ha combinato robotica, algoritmi di apprendimento automatico e competenze nella scienza dei materiali per consentire la progettazione accelerata di aerogel con proprietà meccaniche ed elettriche programmabili. Il loro modello di previsione è costruito per generare prodotti sostenibili con un tasso di precisione del 95%.

«Gli ingegneri della scienza dei materiali spesso hanno difficoltà ad adottare la progettazione basata sull’apprendimento automatico a causa della scarsità di dati sperimentali di alta qualità. Il nostro flusso di lavoro, che combina robotica e apprendimento automatico, non solo migliora la qualità dei dati e i tassi di raccolta, ma aiuta anche i ricercatori a navigare nel complesso spazio di progettazione», ha affermato il professor Chen.

Gli aerogel forti e flessibili del team sono stati realizzati utilizzando nanofogli conduttivi di titanio, nonché componenti naturali come la cellulosa (un composto organico presente nelle cellule vegetali) e la gelatina (una proteina derivata dal collagene presente nei tessuti e nelle ossa animali).

Il team afferma che il loro strumento può anche essere ampliato per soddisfare altre applicazioni nella progettazione di aerogel, come le tecnologie verdi utilizzate nella pulizia delle fuoriuscite di petrolio, lo stoccaggio sostenibile dell’energia e i prodotti di energia termica come le finestre isolanti.

«La fusione di questi approcci ci pone alla frontiera della progettazione di materiali con proprietà complesse personalizzabili. Prevediamo di sfruttare questa nuova piattaforma di produzione su scala industriale per progettare aerogel con proprietà meccaniche, termiche ed elettriche uniche per ambienti di lavoro difficili», ha affermato la dottoressa Eleonora Tubaldi (3), assistente professoressa di ingegneria meccanica e collaboratrice dello studio.

Guardando al futuro, il gruppo di Chen condurrà studi per comprendere le microstrutture responsabili della flessibilità e delle proprietà di resistenza dell'aerogel. Il suo lavoro è stato sostenuto da un progetto di borsa di studio UMD Grand Challenges Team per la progettazione programmabile di sostituti della plastica naturale, assegnato congiuntamente al professore di ingegneria meccanica dell'UMD Teng Li.

La A. James Clark School of Engineering presso l'University of Maryland (UMD) funge da catalizzatore per la ricerca, l'innovazione e l'apprendimento di alta qualità, mantenendo la promessa che tutti i laureati saranno pronti ad affrontare le “grandi sfide” del 21° secolo.

Riferimenti:

(1) Po-Yen Chen

(2) Machine intelligence accelerated design of conductive MXene aerogels with programmable properties

(3) Eleonora Tubaldi

Descrizione foto: L’intelligenza artificiale ha accelerato la scoperta di aerogel conduttivi insensibili alla deformazione per la gestione termica dei dispositivi indossabili. - Credit: Maryland Engineering.

Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: Racing Against R&D: AI, Collaborative Robotics Automates Wearable Tech Design