人工智能和机器人技术增强了可穿戴技术可持续气凝胶的设计

马里兰大学(UMD)的工程师开发了一种结合机器学习和协作机器人技术的模型，以克服可穿戴绿色技术中使用的材料设计中的挑战。

在马里兰大学化学与生物分子工程系助理教授陈伯彦的带领下，发表在《自然通讯》杂志上的一种用于可穿戴加热应用的气凝胶材料加速方法可以使新材料的设计过程自动化。

气凝胶与水基凝胶类似，但由空气制成，是一种轻质多孔材料，由于其机械强度和柔韧性而用于隔热和可穿戴技术。尽管气凝胶的性质看似简单，但其装配线却很复杂;研究人员依靠耗时的实验和基于经验的方法来探索广阔的设计空间并设计材料。

为了克服这些挑战，研究团队结合机器人技术、机器学习算法和材料科学专业知识，加速设计具有可编程机械和电气特性的气凝胶。他们建立的预测模型可以生成准确率高达95%的可持续产品。

陈说：“由于缺乏高质量的实验数据，材料科学工程师往往很难采用机器学习设计。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，而且还可以帮助研究人员驾驭复杂的设计空间。”

该团队采用导电钛纳米片以及天然成分如纤维素(存在于植物细胞中的有机化合物)和明胶(存在于动物组织和骨骼中的胶原蛋白衍生蛋白)制成了坚固而灵活的气凝胶。

研究团队表示，他们的工具还可以扩展以满足气凝胶设计中的其他应用，例如用于清理漏油的绿色技术、可持续能源存储以及隔热窗等热能产品。

“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，”机械工程助理教授兼研究合作者EleonoraTubaldi表示。

展望未来，陈团队将开展研究，了解决定气凝胶柔韧性和强度特性的微观结构。