冷凍鑄造用於仿生多孔洞材料,極具應用潛力,但從設計到製作,過程繁雜又充滿不確定性。國立成功大學工程科學系游濟華助理教授帶領研究團隊,成功利用人工智慧模型預測冷凍鑄造中的冰晶結構生成,並能設計冷凍鑄造仿生多孔洞材料的所需的孔洞結構,不僅降低設計與製造過程所耗費的人力與時間成本,提升成功率,還進一步開啟了材料設計新途徑,這項研究成果 5 月 17 日一舉躍登國際權威期刊《Advanced Science》。
游濟華助理教授表示,冷凍鑄造是新興的仿生多孔洞材料製作法,冰晶結構生成是仿生多孔洞材料「結構」的關鍵。冷凍鑄造仿生多孔洞材料可運用的領域,例如生醫骨材等生物材料、油水過濾、空氣過濾等環保用途。但迄今,無論設計冰晶生成趨勢或生成後的鑄造,都要耗費大量人力和時間,而且變數極大。
現今,國內外都有團隊投入人工智慧冷凍鑄造相關研究,但多數做的是預測,提供各種溫度、速度等條件,預測冰晶結構生成的結果。游濟華助理教授團隊不僅利用人工智慧「深度學習」去預測結果,又應用了「增強式學習」,讓模型具有設計能力,輸入指令說明要製作的孔洞結構,模型就能設計出符合「結果」所需要的各式條件。
這項「預測+設計」人工智慧模型,是游濟華助理教授及其團隊獨立研究開發而成。游濟華助理教授說,此模型大幅加速冰晶結構設計過程,一般來說有經驗的設計者,至少要花 5 小時才可能設計出一個冰晶結構生長趨勢,人工智慧模式 2 至 3 分鐘即大功告成。至於運算成本,一般的電腦計算若需要 2 分鐘,人工智慧只要 2 秒。
游濟華助理教授研究團隊成員包括,博士候選人曾柏諺、研究助理郭張瑋、碩士畢業生簡宇辰,大家前後耗費 1 年時間才完成此項研究。這一年來,團隊遇到不少挑戰,難題之一是沒有現成適合的人工智慧模型框架可以使用,必須開發符合研究需求的全新模型架構、設計演算法等。另一個難關為,如何有效整合與控制溫度、速度、攪拌時間等參數。在團隊鍥而不捨的堅持下,問題逐一被克服。
游濟華助理教授表示,未來將帶領團隊繼續探索人工智慧在材料方面的應用、研究更先進的技術。現在冷凍鑄造仿生多孔洞材料,孔洞結構都是朝同一方向生成,研究孔洞結構不同的生成方向、探討添加材料等,都是值得深入的議題。
《Advance Science》是涵蓋材料科學、物理、化學、醫學和生命科學以及工程學方面研究的期刊,具有高度影響力。
維護單位: 新聞中心
更新日期: 2023-05-18
人工智慧深度學習模型,預測冰晶生成
人工智慧模型Prediction預測冰晶結構生長(上)、Ground truth實際生長(中),預測與實際生長吻合Overlappng情形(下)
右起,游濟華助理教授、研究助理郭張瑋、博士候選人曾柏諺