设计用于高效汽车和风力涡轮机的轻质玻璃

 
一种新的机器学习算法，用于探索轻质，非常坚硬的玻璃成分，可以帮助设计更高效的车辆和风力涡轮机的下一代材料。玻璃可以增强聚合物以产生复合材料，该复合材料具有与金属相似的强度，但重量更轻。
密歇根大学材料科学与工程学教授梁淇回答了有关他的小组在npj计算材料领域的新论文的问题。
什么是弹性刚度?弹性和玻璃似乎不是两个并用的词。
所有固体材料，包括玻璃，都具有称为弹性刚度的特性，也称为弹性模量。它是使材料弯曲或拉伸时每单位面积需要多少力的度量。如果这种变化是有弹性的，则一旦停止作用力，材料就可以完全恢复其原始形状和尺寸。
为什么我们要轻便而又坚硬的眼镜?
弹性刚度对于结构应用中的任何材料都至关重要。较高的刚度意味着您可以用较薄的材料承受相同的力。例如，如果玻璃更硬，则可以将汽车挡风玻璃以及智能手机和其他屏幕的触摸屏中的结构玻璃做得更薄，更轻。玻璃纤维复合材料是汽车，卡车和风力涡轮机中广泛使用的轻质材料，我们可以使这些部件更轻。
根据美国能源效率和可再生能源办公室的数据，较轻的汽车可以使用一加仑汽油，进一步提高百分之六至百分之八，使重量减轻百分之十。减轻重量还可以大大增加电动汽车的续航里程。
更轻，更坚硬的玻璃可以使风力涡轮机叶片更有效地将风力转化为电能，因为“浪费”了更少的风力以使叶片旋转。它还可以使风力涡轮机叶片更长，从而在相同风速下可以产生更多的电力。
尝试设计轻巧但富有弹性的眼镜有哪些挑战?
由于玻璃是无定形或无序的材料，因此很难预测它们的原子结构和相应的物理/化学性质。我们使用计算机模拟来加速眼镜的研究，但是它们需要大量的计算时间，因此无法研究每种可能的玻璃成分。
另一个问题是，我们没有足够的关于玻璃成分的数据用于机器学习，无法有效预测新玻璃成分的玻璃性能。机器学习算法被馈送数据，并且它们在数据中找到使它们能够进行预测的模式。但是，如果没有足够的正确的培训数据，他们的预测是不可靠的-就像在俄亥俄州进行的政治民意调查无法预测密歇根州的选举一样。
您是如何克服这些障碍的?
首先，我们使用现有的高通量计算机模拟来生成有关各种眼镜的密度和弹性刚度的数据。其次，我们开发了更适合少量数据的机器学习模型-因为按照机器学习标准，我们仍然没有大量数据。我们对其进行设计，使其关注的关键是原子之间相互作用的强度。从本质上讲，我们使用物理学来暗示它在数据中的重要性，从而提高了其对新成分的预测质量。
您的模型可以做什么?
当我们使用二氧化硅和一种或两种其他添加剂制成的眼镜训练我们的机器学习模型时，我们发现它可以准确预测具有十多种不同成分的更复杂的眼镜的亮度和弹性刚度。它可以一次筛选多达100,000种不同的成分。
什么是下一个步骤?
亮度和弹性刚度仅是设计眼镜时重要的两个属性。我们还需要了解它们的强度，韧性和熔融温度。通过公开共享我们的数据和方法，我们希望能激发玻璃研究界开发新模型的灵感。