新软件确定了五个不同的微观结构系列，每个组织的各个组织由共享的“骨架”（蓝色）定义，最佳地交易了三种机械性能。由研究人员礼貌
几十年来，材料科学家们从自然界中获得了灵感。他们将识别一种具有一些理想的特征的生物材料 - 例如骨骼或海螺壳的韧性 - 以及反向工程师。然后，一旦他们确定了材料的“微观结构”，它们会尝试用人造材料近似它。
麻省理工学院计算机科学和人工智能实验室的研究人员开发了一种新系统，使微观结构设计更加安全的实证基础。使用其系统，设计人员在数字上指定了他们希望其材料具有的属性，并且系统会产生与规范匹配的微结构。
研究人员报告了他们的科学成果。在纸质中，他们描述了使用该系统产生微观结构，在三种不同的机械性能之间具有最佳权衡。但据电气工程和计算机科学副教授Wojciech Matusik，其集团开发了新系统，研究人员的方法可以适应任何属性的组合。
Matusik表示，“我们可以将其应用于更复杂的机械性能，或者您可以将其应用于更复杂的机械性能，或者您可以将其应用于热，机械，光学和电磁特性的组合，”Matusik说。“基本上，这是一种完全自动化的过程，用于发现超材料的最佳结构系列。”
Joining Matusik论文是第一作者Desai Chen，电气工程和计算机科学研究生;和MAÉLINAKOURAS和BO ZHU，都是MATUSIK的博物馆。
寻找公式
新的工作在去年夏天报告的研究中建立了同样的研究人员，产生了计算机模型的微观结构和使用模拟软件，根据三个或四个机械性能的测量来进行评分。每个得分定义了三维空间中的一点，并且通过采样和本地探索的组合，研究人员构成了一块点，每个点，每个点云对应于特定的微观结构。
一旦云致密，研究人员计算了一个包含它的边界表面。表面附近的点代表了机械性能之间的最佳权衡;对于那些要点，不可能在一个财产上增加得分而不降低另一个财产。
这就是新论文拾取的地方。首先，研究人员使用了一些标准措施来评估与边界相对应的微观结构的几何相似之处。在这些措施的基础上，研究人员的软件将群组合在一起具有相似几何形状的微观结构。
对于每个群集，软件提取“骨架” - 所有微结构共享的基本形状。然后尝试通过对骨架进行微调和构造每个区段的框架来再现每个微结构。这两个操作 - 修改骨架并确定框的大小，位置和方向 - 由可管理数量的变量控制。基本上，研究人员的系统推断了用于重建簇中的每个微结构的数学公式。
接下来，研究人员使用机器学习技术来确定公式中变量的特定值与所得微结构的测量特性之间的相关性。这为系统提供了一种严格的方式来在微观结构和它们的性质之间来回翻译。
在自动上
在该过程中的每一步，Matusik强调，完全自动化，包括相似性的测量，聚类，骨架提取，公式推导以及几何和性质的相关性。因此，该方法也适用于根据任何标准评估的任何微观结构集合。
由同一个令牌，Matusik解释说，麻省理工学院研究人员的系统可以与现有的材料设计方法一起使用。除了从生物材料中获取灵感，他说，研究人员还试图用手设计微观结构。但是，任何一种方法都可以用作研究人员体系提供的设计可能性的原理探索的起点。
“你可以把它扔进桶里为你的采样器，”Matusik说。“所以我们保证我们至少和以前已经完成的任何其他事情。”
在新论文中，研究人员确实报告了他们的分析的一个方面，这些分析并非自动化：确定确定微结构性质的物理机制的识别。一旦他们有几个不同的微观结构家庭的骨架，它们就可以确定这些骨骼如何响应在不同角度和位置施加的物理力。
陈说，即使这个分析也是通过自动化的影响。确定微结构性质的模拟软件还可以识别在物理压力下变形的结构元素，这是他们发挥着重要功能作用的良好指示。
该工作得到了美国国防高级研究项目机构在科学发现计划中简化复杂性的支持。
出版物：Desai Chen，等，“极端微观结构家庭的计算发现”，科学推进2018年1月19日：卷。 4，不。 1，eaao7005; DOI：10.1126 / sciadv.aao7005.
