教授专栏130 | 岳亮:机器学习助力形状编程4D打印

香港科大商学院内地办事处

于 2024-09-26 23:05:05 发布

阅读量2

点赞数

文章标签：机器学习人工智能

原文链接：https://mp.weixin.qq.com/s?__biz=MzUxMTQwNTQ3OA==&mid=2247505929&idx=1&sn=5cb42f7523053e2e82c51be619e4c67a&chksm=f830e53892804c968b5f9dcc14eff16510c70a1207ac48e3f13b38c6c56a9aa1474ec2482441&scene=126&sessionid=0

版权

文 / 岳亮教授

4D打印技术是一种新型制造技术，在3D打印技术的基础上发展而来。与传统的3D打印技术不同的是，4D打印技术在制造过程中增加了时间维度。通过将智能材料与力学、电学等材料性质的设计融入制造过程，使得打印出的结构物不仅具有三维空间形态，还能在特定的外界环境刺激下随着时间的推移自动改变其形状或功能。这种能力赋予了4D打印物品一种“智能”特性，使其能够响应周围环境的变化。

由于其独特的自适应能力，4D打印技术在多个领域展现出了广泛的应用前景。在生物医疗领域，4D打印可以用于制造个性化的医疗器械和植入物，这些器械和植入物能够根据人体内部环境的变化自动调整其形态，以达到更好的治疗效果。在航空航天领域，利用4D打印技术可以制造出适应高低温差、紫外光照等极端环境变化的器件，提高器件的性能与安全性。

4D打印技术的应用：形状可编程材料

形状可编程材料是目前4D打印最为典型的应用，其在软体机器人、软驱动器、可穿戴设备、生物医疗设备等领域都具有巨大的应用潜力。在感知到外部刺激后，形状可编程材料或结构会按照预编的响应结果进行自主变形，在三维结构通过3D打印制造的过程中同时对打印材料进行预编程。这种编程通常是通过材料性质的梯度排布来实现，例如不同热膨胀系数的两种材料组成的双层结构会在受热时因为膨胀比不同而产生内应力导致结构弯曲变形，以此为变形单元，则可以实现类似折纸的形状编程结构。

简单的形状可编程结构

此类简单的变形可以对目标形状需要变形的位置进行逆向设计，以此确定变形前不同位置单元的材料性质，并进行打印。然而，不管是在打印层面还是设计层面，要实现高精度、高复杂度的形状编程4D打印都极具挑战性。与此相关的研究涉及材料科学、机械工程、计算机科学、固体物理学以及化学等多个领域的交叉融合。

机器学习与4D打印

想要实现高精度的形状编程4D打印，首先需要在物理层面实现高精度的材料性能分布的控制。数字光处理（Digital Light Processing，简称“DLP”）3D打印技术是基于光固化树脂的高速度、高精度的打印技术。DLP三维成型过程中最小的体积单元即为“体素”（voxel），而要实现体素尺度上对材料组分及性能的精确可控是极具挑战的。

岳亮博士通过在光固化树脂聚合前驱体材料上的创新设计并结合灰度数字光处理技术（grayscale DLP）对单体转化率精确控制，可以在体素尺度大范围调控打印结构的力学特征，在100微米级的体素尺度实现材料性能的精准分布和调控。

通过该打印平台打印成型的蜗牛模型，不仅能实现三维形状的高精度复制，还能打印出蜗牛身体各部分的力学特征，如坚硬的外壳和柔软又能拉伸的身体。该打印平台的出现为高精度的形状编程4D打印提供了物理基础，使得我们能在100微米级的体素单元上对材料性能进行编程。

通过灰度光固化平台打印的蜗牛样品

但随之而来的另一个挑战是：应该如何准确、高效地设计每个体素的材料性能，才能实现打印结构的可控变形呢？以100微米为单位，单是一片1cm*1cm*1mm的小尺寸薄膜就有10万个体素单元，通过控制每一个体素单元的性能梯度以实现这片薄膜的任意变形，其计算量已无法通过简单的有限元模拟来进行逆向设计。

为了进一步实现高精度、高复杂度的形状编程4D打印，岳亮博士与孙晓昊博士（现为中国科学技术大学近代力学系特任研究员）合作，基于灰度光固化打印平台，通过将机器学习（Machine Learning，简称“ML”）结合梯度（Gradient-descent，简称“GD”）与进化算法（Evolutionary Algorithm，简称“EA”）的全局-子域优化算法，提出了一种基于目标变形形状、高效的材料分布设计方法。

循环神经网络的机器学习模型能够快速、准确解决正问题：根据材料分布预测结构形状改变；机器学习与梯度算法（ML-GD）、机器学习与进化算法（ML-EA）结合的方法能够高效解决反问题：基于目标形状寻找最优化的材料分布，进一步将其与计算机视觉算法结合，实现一种高效而精准的4D打印设计方法。

全局-子域优化算法和ML-GD与ML-EA相结合的逆向设计

以一张便利贴的揉捏随机变形为例：平整的正方形便利贴经过揉捏展开后变成了一个随机的复杂三维形状。为了用4D打印来复现这一随机变形，首先通过3D扫描建立目标形状的模型，接着基于不同材料性质的变形参数，模型会根据目标形状（褶皱的便利贴）计算出每个体素单元在初始形状（平整的便利贴）的材料性能分布，然后将不同的材料性能转化为灰度图像，再由打印机根据每个体素的灰度对实现其形状的对应力学特征而打印成型，最后得到一张平整的薄片，即便利贴的初始形态。

便利贴的随机揉捏变形

这是一张预编程的异质三维可变形结构，在感知到外部高温环境时，薄片开始发生自主的可控变形，变形在达到目标形状（褶皱的便利贴）后即停止。通过与便利贴的比较可以看到，最终的形状完美复刻了便利贴的随机变形。只有高精度、高密度的材料性能分布才能实现如此细部特征的微小变形控制。这项工作也为其他各种高复杂度的形状可变编程材料的设计和制造提供了高效的路径。

通过4D打印复现便利贴的随机变形

作为智能制造的重要方向，4D打印技术扩展了3D打印的应用范围，高精度多力学特征的灰度数字光处理打印平台通过机器学习算法赋能逆向设计，极大地增强了各种智能材料设计和制造的灵活性和适应性。作为前沿交叉领域的研究，该研究方向融合了材料科学、机械工程、计算机科学、固体物理学以及化学等多个学科。随着研究的深入和技术的成熟，4D打印将在更多领域展现出其独特的价值和潜力。

岳亮教授简介

岳亮教授，香港科技大学（广州）智能制造学域助理教授。主要研究方向为绿色新材料与3D/4D打印，同时建立了智能高分子与制造实验室（Intelligent Polymer and Manufacturing Lab）。岳亮博士在美国凯西斯储大学获得高分子科学博士学位，随后在佐治亚理工机械工程学院4D打印领域先驱——齐航教授的课题组开展3D及4D打印方向的系列工作，并在Nature Communications, Science Advances, Advanced Materials, JMPS 等期刊发表多篇论文，申请美国专利6项，参与三本学术书籍的章节撰写，担任期刊《极端制造》（International Journal of Extreme Manufacturing，中科院1区，IF 16.1）的青年编委，受邀为Nature Reviews Bioengineering, Advanced Functional Materials 等知名期刊审稿。