設計用于高效汽車和風力渦輪機的輕質玻璃

一種用于探索輕質，高硬度玻璃成分的新型機器學習算法，可以幫助設計更高效的車輛和風力渦輪機的下一代材料。玻璃可以增強聚合物以產生復合材料，該復合材料具有與金屬相似的強度，但重量更輕。密西根大學材料科學與工程學教授梁琦回答了有關他的小組在npj Computational Materials中發表的新論文的問題。

什么是彈性剛度?彈性和玻璃似乎不是兩個并用的詞。

所有固體材料，包括玻璃，都具有稱為彈性剛度的特性，也稱為彈性模量。它是使材料彎曲或拉伸時每單位面積需要多少力的度量。如果這種變化是有彈性的，則一旦停止作用力，材料就可以完全恢復其原始形狀和尺寸。

為什么我們要輕便且非常堅硬的眼鏡?

彈性剛度對于結構應用中的任何材料都至關重要。較高的剛度意味著您可以用較薄的材料承受相同的力。例如，如果玻璃更硬，則可以將汽車擋風玻璃以及智能手機和其他屏幕的觸摸屏中的結構玻璃做得更薄，更輕。玻璃纖維復合材料是汽車，卡車和風力渦輪機中廣泛使用的輕質材料，我們可以使這些部件更輕。

根據美國能源效率和可再生能源辦公室的說法，較輕的汽車可以使用一加侖汽油，進一步提高百分之六至百分之八，從而使重量減輕百分之十。減輕重量還可以大大增加電動汽車的續航里程。

更輕，更硬的玻璃可以使風力渦輪機葉片更有效地將風力轉換成電能，因為“浪費”了更少的風力以使葉片旋轉。它還可以使風力渦輪機葉片更長，從而在相同風速下可以發電更多。

嘗試設計輕巧但富有彈性的眼鏡有哪些挑戰?

由于玻璃是無定形或無序的材料，因此很難預測它們的原子結構和相應的物理/化學性質。我們使用計算機模擬來加速眼鏡的研究，但是它們需要大量的計算時間，因此無法研究每種可能的玻璃成分。

另一個問題是，我們沒有足夠的關于玻璃成分的數據用于機器學習，從而無法有效預測新玻璃成分的玻璃性能。機器學習算法被饋送數據，并且它們在數據中找到使它們能夠進行預測的模式。但是，如果沒有足夠的正確的培訓數據，他們的預測是不可靠的，就像在俄亥俄州進行的政治民意調查無法預測密歇根州的選舉一樣。

您是如何克服這些障礙的?

首先，我們使用現有的高通量計算機模擬來生成有關各種眼鏡的密度和彈性剛度的數據。其次，我們開發了更適合少量數據的機器學習模型-因為按照機器學習標準，我們仍然沒有很多數據。我們對其進行設計，使其關注的關鍵是原子之間相互作用的強度。從本質上講，我們使用物理學來暗示它在數據中的重要性，從而提高了對新成分的預測質量。