A engenharia estrutural tem-nos dito como usar hastes finas e individualmente frágeis para construir obras que podem suportar pesos enormes, como pontes, telhados, edifícios etc. E o advento da nanotecnologia está nos mostrando agora que podemos obter ganhos ainda maiores fazendo tudo em nanoescala.
O problema é que até dá para fazer o protótipo de uma ponte usando palitos de picolé, mas não dá para inverter as coisas, e as hastes em nanoescala são muito difíceis de simular. Foi por isso que Peter Serles e colegas da Universidade de Toronto, no Canadá, usaram inteligência artificial para projetar seus materiais nano-arquitetados, formados por hastes com espessura e comprimento na faixa dos nanômetros.
O resultado não se fez esperar: um dos materiais tem a resistência do aço carbono, mas a leveza do isopor, algo que poderá beneficiar uma série de indústrias e criar aplicações inteiramente novas. Conforme destacou Serles, materiais nanoarquitetados combinam formas de alto desempenho, como fazer uma ponte de triângulos, em nanoescala, o que aproveita o efeito ‘menor é mais forte’, para atingir algumas das maiores proporções de resistência-peso e rigidez-peso de qualquer material. “No entanto, as formas e geometrias de treliça padrão usadas tendem a ter interseções e cantos agudos, o que leva ao problema de concentrações de estresse. Isso resulta em falha local precoce e quebra dos materiais, limitando seu potencial geral. Enquanto pensava sobre esse desafio, percebi que é um problema perfeito para o aprendizado de máquina resolver”, ressaltou Serles.
À esquerda, imagem da geometria completa da rede e justaposta com uma rede de 18,75 milhões de células flutuando em uma bolha (direita). Imagem: Peter Serles/University of Toronto Engineering.
Nanotreliças
Materiais nanoarquitetados, ou nanoengenheirados, são formados por pequenos blocos básicos medindo algumas centenas de nanômetros de tamanho – seriam necessários mais de 100 deles postos em fila para atingir a espessura de um fio de cabelo humano. Esses blocos de construção, que neste caso são compostos de carbono, são organizados em estruturas 3D complexas chamadas nanotreliças.
A equipe empregou o algoritmo de aprendizado de máquina conhecido como otimização bayesiana multiobjetivo.
Esse algoritmo analisou geometrias simuladas para aprender como prever as melhores geometrias possíveis para melhorar a distribuição de tensão e melhorar a relação resistência-peso de cada projeto nanoarquitetado. Aí foi só colocar uma impressora 3D especial para criar protótipos e submetê-los a uma validação experimental – a impressora 3D de polimerização de dois fótons permite construir objetos em micro e em nano-escalas, criando nanotreliças de carbono otimizadas.
Essas nanotreliças otimizadas mais que dobraram a resistência dos projetos existentes, suportando uma tensão de 2,03 megapascais para cada metro cúbico por quilograma de sua densidade, o que é cerca de cinco vezes maior do que a do titânio. “Esta é a primeira vez que o aprendizado de máquina foi aplicado para otimizar materiais nanoarquitetados, e ficamos chocados com as melhorias. Ele não apenas replicou geometrias bem-sucedidas dos dados de treinamento; ele aprendeu quais mudanças nas formas funcionaram e quais não funcionaram, permitindo prever geometrias de rede inteiramente novas”, explicou Serles.
Os protótipos foram fabricados por impressão 3D. [Imagem: Peter Serles et al. – 10.1002/adma.202410651]
Aplicações reais
A equipe agora quer começar a fabricar protótipos que possam ser testados em aplicações reais. “Esperamos que esses novos projetos de materiais eventualmente levem a componentes ultraleves em aplicações aeroespaciais, como aviões, helicópteros e espaçonaves que possam reduzir as demandas de combustível durante o voo, mantendo a segurança e o desempenho. Isso pode, em última análise, ajudar a reduzir a alta pegada de carbono das viagens de avião,” disse o professor Tobin Filleter. “Por exemplo, se você substituísse componentes feitos de titânio em um avião por esse material, você economizaria 80 litros de combustível por ano para cada quilograma de material substituído”, concluiu Serles. Fonte: https://www.inovacaotecnologica.com.br
