雪城大学Adv. Mater.：根据竹秆表皮的结构—力学性能关系通过人工智能进行仿生复合材料设计

海归学者发起的公益学术平台

分享信息，整合资源

交流学术，偶尔风月

由分析硅粒的偏分布函数发现在单个硅粒的45微米半径范围内其他硅粒的分布有显著的规律，且平行于纤维方向的分布与垂直于纤维方向的分布有明显差别。为确定最能代表表皮整体结构的单元形状，团队计算了不同形状和取向的单元中硅粒偏分布函数与整体的标准差达到一临界值时需要的单元面积最小值。若该标准差越小，则说明选取的单元越能代表整体的分布情况。由此确定以一边平行于纤维方向的正方形作为代表整体结构的单元。对不同形状和取向的单元的3D打印结构的力学性能表征也显示，上述特征的单元对整体结构的应力-应变曲线、杨氏模量和韧性都具有较好的代表性。

随后团队运用深度卷积生成对抗神经网络（DCGAN）采用上述形状和取向的边长为400微米的单元图样进行训练，并使用该网络模型生成硅粒分布图样。将真实麦秆表皮和AI生成的表皮图样用3D打印的方法制作出物理模型进行测试后比较发现，AI生成图样的物理模型在具有相似的韧性的同时，具有更高的杨氏模量。对真实与AI生成的表皮图样中的气孔数量进行计数后，发现AI生成的图样中气孔的数量明显偏少。这可能是导致其杨氏模量更高的原因。

这项研究深入探讨了竹秆失效的微观机制。由于纤维分裂是不同载荷条件下竹秆失效的主要模式，沿纤维连接处的硅粒可有效增强断裂韧性并防止裂纹扩展。平行于纤维方向的硅粒相对无序的分布有利于引起裂纹偏转和桥接，从而额外耗散能量。这些微观机制解释了有表皮的竹胶合板比没有表皮的竹胶合板更坚韧的原因，说明了表皮的机械增强作用的重要性，对于提高竹制品的耐久性至关重要。

在这项研究中，一种AI、数值模拟和3D打印相结合的研究方法被提出和使用。生成式AI可捕捉竹秆表皮中硅粒分布的深层次规律，并以此生成符合此规律的结构，供后续模拟和实验测试。该方法可应用于许多生物材料的结构增强，有助于提取它们的结构功能关系。与直接运用自然结构相比，AI在从大型数据集中提取基本信息方面更智能，适用于研究结构复杂、不同材料相之间界面的生物复合材料，减少了获取代表性结构所需的工作量和周期性边界附近的必要位置优化，并以最大限度减少与明显机械弱点相关的组装不连续性。生成的结构具有不同的机械功能，但组成均匀，为映射在负载下经历非均匀应力分布的机械部件的不同区域提供了候选。因此使用 DCGAN 模型大规模生成竹秆结构、检查其弹性矩阵并探索潜在空间以实现最佳设计将非常方便。在此基础上，结合另一个由更大样本训练的 DCGAN 模型可以克服该模型的一些局限性（例如，处理高分辨率图像和提取稀有特征），使特征更频繁地具有清晰的模式。此外，定量结构分析（如PDF）和有效的数据增强（如DCGAN）可以大规模生成对应于不同各向异性程度的硅粒分布结构。确定此分布—性能关系需要更多的定量模拟，但有监督机器学习可以加速这一过程。这些方法可以用来设计颗粒增强复合材料，并使用 3D 打印方法进行测试。

这种方法扩展了颗粒增强复合材料的设计空间，使其能够增强韧性，超越了调整传统参数的范围，为机械可靠性至关重要的行业提供了优势。例如，在航空航天和汽车领域，这些复合材料可用于开发机械耐用的复合材料，从而提高工程设计的安全性。在土木工程中，颗粒优化材料可应用于抗冲击结构，如防护屏障或抗震建筑构件。生物医学应用可能会受益于这些进步，设计出坚韧而灵活的植入物和假肢，模仿天然组织的机械行为。此外，这种设计原则可以提高它们在运动器材和可穿戴技术中的耐用性。这种方法释放了通过新维度定制材料功能的潜力，使复合材料能够用于需要在韧性、模量和其他功能特性之间实现精确平衡的应用。

图1. 不同尺度下的竹秆结构。表皮的裂纹扩展由纤维分裂引起，因此其方向与纤维方向有关。而硅粒会阻止裂纹扩展并形成桥梁，使材料塑性和失效前的需要释放更多能量。硅粒在SEM和BSE图像中显示为直径10微米左右的圆形结构。先前对二氧化硅-纤维素界面的原子模拟表明，该界面的剪切强度比每个单独材料相的剪切强度都要高。

图2. 竹秆表皮(a)横截面图示、(b)SEM图片及(c)从中提取的硅粒分布图样。图中的蓝色双向箭头代表纤维方向。

图3. 以3D打印重现的单个单元的硅粒分布及其动态拉伸和断裂过程。

图4. DCGAN的(a)输入图样和 (b)输出图样。(c)模拟计算得到的具有孔状缺陷的竹秆表皮物理模型在拉伸状态下的应力场及裂纹扩展。(d)真实竹秆表皮物理模型和(e)AI生成图样的物理模型的拉伸应力—应变曲线各100组。