São Paulo — InkDesign News —
A pesquisa na Universidade de Gothenburg revela que modelos de machine learning podem acelerar significativamente o desenvolvimento de novos materiais compostos, abordando gargalos em testes e simulações computacionais.
Contexto da pesquisa
O design de novos materiais compósitos é um desafio que envolve misturar diferentes materiais, como fibra de carbono e polímeros, para otimizar propriedades como peso, durabilidade e flexibilidade. Segundo Ehsan Ghane, estudante de doutorado na Universidade de Gothenburg, “isso é particularmente difícil quando o composite é criado como um material têxtil trançado, onde as fibras se entrelaçam e se comportam de maneira diferente conforme as forças aplicadas” (“This is particularly difficult when the composite is created as a woven textile fiber material, where the fibers are wrapped around each other and behave differently depending on the forces the material is subjected to.”).
Método proposto
O modelo de AI desenvolvido por Ghane oferece uma alternativa às simulações computacionais tradicionais. Ele utiliza redes neurais que requerem menos dados para treinamento e são mais eficientes em extrapolar resultados. O modelo integra leis de materiais, permitindo previsões sobre o comportamento de novos compósitos mesmo fora dos dados de entrada. Ghane afirma que “isso facilita entender a ordem em que um material se deforma, o que pode ser importante para prever o comportamento do material a longo prazo” (“This allows extrapolations outside the input data on which the model was trained. It also makes it easier to understand the order in which a material deforms, which can be important if you want to predict the material behavior in the long term.”).
Resultados e impacto
Os resultados da pesquisa indicam que o modelo pode prever a durabilidade de novos materiais compósitos utilizando dados existentes de simulações e testes com os materiais constituintes. A publicação da pesquisa, disponível aqui, destaca a viabilidade do uso da AI na construção de materiais sustentáveis.
“Esta abordagem representa um importante avanço para a indústria, ao potencialmente reduzir custos e tempo no desenvolvimento de novos materiais.”
(“This approach represents a significant advancement for the industry, potentially reducing costs and time in developing new materials.”)— Ehsan Ghane, Estudante de Doutorado, Universidade de Gothenburg
Este avanço na modelagem de materiais por meio de machine learning pode transformar diversas indústrias, desde a produção de equipamentos esportivos até a manufatura de componentes de turbinas eólicas. Os próximos passos incluem a validação do modelo em aplicações reais e a exploração de novas combinações de materiais.
Fonte: (TechXplore – Machine Learning & AI)
