L'intelligence artificielle pour des casques de vélo plus s?rs et de meilleures semelles de chaussures
Des chercheurs ont entra?né une intelligence artificielle de manière à ce qu'elle puisse concevoir la structure de soi-disant métamatériaux avec les propriétés mécaniques souhaitées pour différents cas d'application.
- Lire à haute voix
- Nombre de commentaires
![Conceptualisation générée par IA d'une chaussure de course à partir d'un métamatériau](/de/news-und-veranstaltungen/eth-news/news/2023/12/kuenstliche-intelligenz-fuer-sicherere-velohelme-und-bessere-schuhsohlen/_jcr_content/articleLeadImage/image.imageformat.carousel.1165124375.png)
En bref
- Des chercheurs de l'ETH ont utilisé l'intelligence artificielle pour concevoir des métamatériaux qui présentent des réactions inhabituelles ou extraordinaires à des contraintes complexes.
- Leur nouvel outil d'IA décrypte les caractéristiques essentielles de la microstructure d'un métamatériau et prédit avec précision son comportement de déformation.
- L'outil ne trouve pas seulement des microstructures optimales, il évite aussi les simulations techniques qui prennent beaucoup de temps.
Des casques de vélo qui absorbent l'énergie d'un choc, des chaussures de course qui donnent une poussée supplémentaire à chaque pas ou des implants qui imitent les propriétés des os. Les métamatériaux rendent de telles applications possibles. Leur structure interne est le résultat d'un processus de conception minutieux, après quoi les imprimantes 3D peuvent fabriquer les structures générées avec des propriétés optimisées. Des chercheurs dirigés par Dennis Kochmann, professeur de mécanique et de recherche sur les matériaux au département de génie mécanique et de technologie de déplacement de l'ETH Zurich, ont développé de nouveaux outils d'intelligence artificielle. Ceux-ci contournent le processus de conception des métamatériaux, qui prend beaucoup de temps et se base sur l'intuition, et prédisent à la place des structures aux propriétés exceptionnelles de manière rapide et automatisée. Une nouveauté réside dans le fait que ces outils peuvent également être utilisés pour des charges importantes (dites non linéaires), par exemple lorsqu'un casque absorbe de grandes forces lors d'un impact.
L'équipe de Kochmann fait partie des pionniers dans le développement de petites structures cellulaires (comparables à la charpente des maisons à colombages) pour créer des métamatériaux aux propriétés particulières. "Nous concevons par exemple des métamatériaux qui se comportent comme des liquides : difficiles à comprimer, mais faciles à déformer. Ou des métamatériaux qui se rétractent dans toutes les directions lorsqu'ils sont comprimés dans une seule direction", explique Kochmann.
Conception efficace et optimale des matériaux
Les possibilités de conception semblent infinies. Cependant, la science est encore loin d'avoir exploité tout le potentiel des métamatériaux, car le processus de conception repose souvent sur l'expérience et les essais et erreurs. De plus, de petits ajustements dans la structure peuvent entra?ner de grandes modifications des propriétés.
Dans leur dernier travail, les chercheurs de l'ETH ont utilisé l'IA pour explorer systématiquement les nombreuses conceptions et propriétés mécaniques de deux types de métamatériaux. Leurs outils de calcul peuvent prédire les structures optimales pour les déformations souhaitées en appuyant sur un bouton. Pour ce faire, les chercheurs ont utilisé de grands ensembles de données sur le comportement de déformation de structures réelles. Avec ceux-ci, ils ont entra?né un modèle d'IA qui ne se contente pas de reproduire les données, mais qui peut également générer et optimiser de nouvelles structures. Gr?ce à l'utilisation d'une méthode connue sous le nom de "Variational Autoencoder", l'IA apprend les caractéristiques essentielles d'une structure à partir de la grande quantité de paramètres de conception et la manière dont ils conduisent à certaines propriétés. Elle utilise ensuite ces connaissances pour créer un projet de métamatériau dès que les chercheurs indiquent les propriétés et les exigences souhaitées.
Assembler des blocs de construction
Li Zheng, une doctorante du groupe de Kochmann, a entra?né un modèle d'IA sur la base d'un ensemble de données d'un million de structures et de leur déformation simulée. "Imaginez une bo?te géante de briques Lego - on peut les disposer d'innombrables fa?ons et apprendre des principes de conception au fil du temps. Notre IA procède de la même manière, mais de manière beaucoup plus efficace. Elle assemble les blocs de construction des métamatériaux pour leur conférer une certaine souplesse ou dureté", explique Zheng. Contrairement aux approches précédentes, dans lesquelles les chercheurs utilisaient un catalogue de blocs de construction comme base de conception, la nouvelle méthode d'IA leur permet d'ajouter, de supprimer ou de déplacer des blocs de construction presque à volonté. Avec Sid Kumar, professeur assistant à l'université technique de Delft et ancien membre de l'équipe de Kochmann, ils ont montré dans une étude récente que le modèle d'IA peut aller au-delà de ce pour quoi il a été entra?né et prédire des structures plus performantes que tout ce qui a été généré jusqu'à présent.
Apprendre à partir de vidéos
Jan-Hendrik Bastek, qui est également doctorant dans le groupe de Kochmann, a suivi une autre approche pour parvenir à un résultat similaire. Il a utilisé une méthode appelée vidéo-diffusion, qui est également utilisée dans la génération de vidéos basée sur l'IA : Si l'on tape "un éléphant survole Zurich", l'IA génère une vidéo réaliste de l'animal qui tourne au-dessus de l'église Fraumünster. Bastek a entra?né son système d'IA avec 50 000 séquences vidéo de structures de métamatériaux imprimables en 3D qui se déforment. "Je peux indiquer à l'IA la déformation souhaitée et elle produit une vidéo de la structure optimale du matériau ainsi que sa réaction complète à la déformation", explique Bastek. Jusqu'à présent, les approches se sont généralement limitées à prédire une seule image de la structure optimale. En utilisant des vidéos de l'ensemble du processus de déformation, la précision augmente considérablement dans des scénarios aussi complexes.
![GIF sans boucle](/de/news-und-veranstaltungen/eth-news/news/2023/12/kuenstliche-intelligenz-fuer-sicherere-velohelme-und-bessere-schuhsohlen/_jcr_content/wide_content/image_1679226556/image.imageformat.1286.1532514650.gif)
De grands avantages pour les casques de vélo et les semelles de chaussures
Les scientifiques de l'ETH ont mis leurs outils d'IA à la libre disposition des chercheurs dans le domaine des métamatériaux. On espère ainsi qu'ils permettront de concevoir de nombreux matériaux nouveaux et inhabituels. Ces outils ouvrent de nouvelles voies pour le développement d'équipements de protection tels que les casques de vélo et pour d'autres applications des métamatériaux, de la technique médicale aux robots souples. Même les semelles de chaussures peuvent être con?ues de manière à mieux absorber les chocs lors de la marche ou à donner une poussée vers l'avant lors de la pose du pied. L'IA remplacera-t-elle complètement le développement manuel des matériaux ? "Non", dit Kochmann en riant. "Bien utilisée, l'IA peut être une aide très efficace et travailleuse, mais il faut lui donner les bonnes instructions et l'entra?ner correctement - et cela nécessite des bases scientifiques et un savoir-faire en ingénierie".
Références bibliographiques
Bastek JH, Kochmann DM : Inverse design of nonlinear mechanical metamaterials via video denoising diffusion models. Nature Machine Intelligence 2023, doi : page externe10.1038/s42256-023-00762-x
Zheng L, Karapiperis K, Kumar S, Kochmann DM : Unifier l'espace de conception et optimiser les métamatériaux de troncs linéaires et non linéaires par modélisation générative. Nature Communications 2023, 14 : 7563, doi : page externe10.1038/s41467-023-42068-x