公眾號/? ScienceAI（ID：Philosophyai）

編輯 | 蘿卜皮

設計具有定制電氣和機械性能的超輕導電氣凝膠，對于各種電子設備的應用都至關重要。傳統方法依賴于在廣闊的參數空間中進行迭代、耗時的實驗。

馬里蘭大學 (UMD) 的研究團隊開發了一種結合機器學習和協作機器人技術的 模型 ，加速具有可編程特性的導電氣凝膠的設計。

自動移液機器人可以操作，以不同的比例/負載制備 264 種 Ti3C2Tx MXene、纖維素、明膠和戊二醛混合物。冷凍干燥后，評估氣凝膠的結構完整性以訓練支持向量機分類器。

通過 8 個主動學習周期和數據增強，通過機器人自動化平臺制造/表征了 162 種獨特的導電氣凝膠，從而構建了人工神經網絡預測模型。

預測模型進行雙向設計任務：（1）根據制造參數預測氣凝膠的物理化學性質；（2）針對特定性質要求自動進行氣凝膠的逆向設計。

模型解釋和有限元模擬的結合使用，驗證了氣凝膠密度和抗壓強度之間的明顯相關性。模型建議的氣凝膠具有高導電性、定制強度和壓力不敏感性，可實現壓縮穩定的焦耳加熱，以實現可穿戴熱管理。

該研究以「Machine intelligence accelerated design of conductive MXene aerogels with programmable properties」為題，于 2024 年 6 月 1 日發布在《Nature Communications》。

導電氣凝膠因超輕、可調控的機械與電學性能，廣泛應用于傳感器、電磁屏蔽、熱絕緣及穿戴設備。其制備依賴于材料比例調整，但材料間復雜關系未充分解析，需大量試錯實驗確定最優參數。

引入機器學習預測模型可加速定制化設計，但面臨數據質量與多屬性關聯分析的挑戰。標準化制備流程的缺失及屬性優化的片面性限制了模型構建，加之制造過程費時費力，導致訓練數據稀缺，難以精準預測多元特性。

盡管如此，結合機器學習的導電氣凝膠研究正試圖克服上述障礙，通過智能化推薦參數組合，旨在實現高效、定制化的產品開發。

馬里蘭大學的研究人員開發了一個集成平臺，將協作機器人的能力與人工智能/機器學習（AI/ML）預測相結合，加速設計具有可編程機械和電學特性的導電氣凝膠。根據特定的性能需求，該機器人/ML整合平臺能自動推薦定制化的參數集用于導電氣凝膠的制造，無需進行迭代優化實驗。

圖示：通過自動移液機器人和支持向量機（SVM）分類器定義可行的參數空間。（來源：論文）

「材料科學工程師經常因為缺乏高質量的實驗數據而難以采用機器學習設計。我們的工作流程結合了機器人技術和機器學習，不僅提高了數據質量和收集率，還幫助研究人員駕馭復雜的設計空間。」馬里蘭大學化學與生物分子工程系助理教授 Chen Boyan 說。

圖示：通過主動學習循環、數據增強和協作機器人構建預測模型。（來源：論文）

該項目選擇了四種構建模塊：MXene納米片、碳納米纖維（CNFs）、明膠和戊二醛交聯劑，用于生產各種導電氣凝膠。通過自動化移液機器人（OT-2機器人）制備了不同MXene/CNF/明膠比例及固含量的264種混合物，并經冷凍干燥過程產生多種氣凝膠。

基于結構完整性和整體性，這些氣凝膠被分類以訓練支持向量機（SVM）分類器，從而成功定義了可行的參數空間。隨后，通過8個主動學習循環和數據增強，分階段制造并表征了 162 種

導電氣凝膠，這些數據被輸入到構建高預測精度的人工神經網絡（ANN）模型中。

，時長 00:59

視頻：機器人演示。（來源：論文）

在主動學習循環中，通過在氣凝膠制造和表征過程中整合 OT-2 機器人和 UR5e 協作機械臂，提高了數據采集率。利用模型的預測能力，實現了雙向設計任務：一是根據一組制造參數準確預測導電氣凝膠的機械和電學特性；二是自動發現滿足特定性能要求的合適導電氣凝膠。

通過 SHapley Additive exPlanations（SHAP）模型解釋，識別出相關數據驅動的信息，并使用有限元（FE）模擬驗證了混合物負載對氣凝膠壓縮強度的顯著影響。作為最終演示，預測模型被用來發現一種適用于穿戴式熱管理的應變不敏感導電氣凝膠。

模型可以生成準確率高達 95% 的可持續產品。模型生成的導電氣凝膠展現出高電導率、定制化的壓縮恢復力和超低壓力敏感度，在重復壓縮周期下實現了高效的焦耳加熱性能。

「材料科學工程師經常因為缺乏高質量的實驗數據而難以采用機器學習設計。我們的工作流程結合了機器人技術和機器學習，不僅提高了數據質量和收集率，還幫助研究人員駕馭復雜的設計空間。」Chen 說。

這里的混合方法，無縫集成了機器人輔助實驗、AI/ML 算法和仿真工具，不僅使導電氣凝膠的有效定制成為可能，也為其他納米科學領域提供了一個通用的工作流程。

「這些方法的融合使我們處于具有可定制復雜特性的材料設計前沿。我們預計利用這個新的擴大生產平臺來設計具有獨特機械、熱和電性能的氣凝膠，以適應惡劣的工作環境。」機械工程助理教授、研究合作者 Eleonora Tubaldi 表示。

論文鏈接：https://www.nature.com/articles/s41467-024-49011-8

相關報道：https://techxplore.com/news/2024-06-ai-robotics-sustainable-aerogels-wearable.html