Un nuevo material más fuerte que el titanio y ligero como la espuma revolucionará la industria


Un equipo de científicos ha logrado lo que parecía imposible: un material tan fuerte como el acero pero ligero como el poliespán. De hecho, es cinco veces más resistente que el titanio. Lo han conseguido usando inteligencia artificial, que les ha ayudado a desarrollar una estructura geométrica construida con nanorretículas de carbono. Impreso en tres dimensiones, este metamaterial promete cambiar la industria manufacturera si son capaces de conseguir su fabricación a gran escala.
Los investigadores de la Facultad de Ciencias Aplicadas e Ingeniería de la Universidad de Toronto han utilizado el aprendizaje automático para diseñar este material a nivel nanoscópico, que posee la resistencia del acero al carbono pero la ligereza de la espuma de poliestireno. En un nuevo artículo publicado en Advanced Materials, un equipo dirigido por el profesor Tobin Filleter describe cómo crearon este nanomaterial que posee propiedades realmente extraordinarias, según él. Su uso podría beneficiar a una amplia gama de aplicaciones, desde coches a naves espaciales, pasando por aviones comerciales y de combate.
Qué es este material
«Los materiales nanoarquitecturados combinan formas de alto rendimiento, como hacer un puente con triángulos, a escalas nanométricas, lo que logra algunas de las relaciones más altas de resistencia a peso y rigidez a peso de cualquier material», afirma Peter Serles, el primer autor del estudio.
Sin embargo, las formas y geometrías de celosía estándar que se utilizan tienden a tener intersecciones y esquinas afiladas, lo que conduce al problema de las concentraciones de tensión, afirma Serles, que apunta que esto provocaba fallos locales y la rotura de los materiales, limitando su potencial real.
Esto es algo que ahora han solucionado usando la inteligencia artificial, dice el científico. Al pensar en este desafío, me di cuenta de que es un problema perfecto para que lo aborde el aprendizaje automático».

Los materiales nanoarquitecturados están hechos de pequeños bloques de construcción o unidades repetidas que miden unos pocos cientos de nanómetros de tamaño. Para hacerse una idea de su tamaño, necesitarías más de 100 láminas de este material estampados en fila para alcanzar el grosor de un cabello humano. Estos bloques de construcción —que en este caso están compuestos de carbono— se organizan en complejas estructuras tridimensionales llamadas nanorretículas o nanomallas.
Para diseñar el nuevo material, Serles y Filleter trabajaron con el profesor Seunghwa Ryu y el estudiante de doctorado Jinwook Yeo en el Instituto Avanzado de Ciencia y Tecnología de Corea (KAIST) en Daejeon, Corea del Sur. El equipo de KAIST empleó el algoritmo de aprendizaje automático de optimización bayesiana multiobjetivo. Para entender qué significa esto, imagina que tienes un robot que está aprendiendo a cocinar spaguetti con tomate. Al principio, el robot no sabe nada y hace las cosas al azar: cocina demasiado la pasta, no sofríe lo suficiente el tomate, la cebolla y los pimientos, añade agua de cocción demasiado caliente para mantecar con el queso… Pero cada vez que prueba algo, aprende de sus errores y va mejorando poco a poco.
El algoritmo usado por KAIST es como este robot cocinero. En lugar de aprender a cocinar, aprende a crear la mejor estructura posible para este nuevo material. Para ello, utiliza una técnica llamada «optimización bayesiana», una técnica permite al algoritmo aprender de forma muy eficiente, como un buen estudiante que saca el máximo provecho de cada lección. Además, este algoritmo es «multiobjetivo». Esto significa que no solo busca la estructura más fuerte, sino que también tiene en cuenta otros factores importantes, como el peso y la flexibilidad del material. Es como si el robot cocinero no solo quisiera hacer unos sabrosos espaguetis, sino que también se preocupara de que fueran sanos y fáciles de digerir.
En este caso, el cocinero aprendió de geometrías simuladas para predecir las mejores geometrías posibles para optimizar la distribución de la tensión y mejorar la relación resistencia-peso de los diseños nanoarquitecturados. Una vez obtenidas estas estructuras 3D en el ordenador, Serles usó una impresora 3D ubicada en el Centro de Investigación y Aplicación en Tecnologías Fluídicas (CRAFT) para crear los prototipos físicos para su validación experimental. La tecnología de fabricación aditiva que usó permite la impresión 3D a micro y nanoescala, creando nanorretículas de carbono optimizadas. Estas nanorretículas optimizadas aumentaron en más del doble la resistencia de los diseños existentes, soportando una tensión de 2,03 megapascales por cada metro cúbico por kilogramo de su densidad, que es aproximadamente cinco veces mayor que la del titanio.
Un salto potencialmente revolucionario
«Esta es la primera vez que se aplica el aprendizaje automático para optimizar materiales nanoarquitecturados, y nos sorprendieron las mejoras», dice Serles. «No solo replicó geometrías con éxito de los datos de entrenamiento; aprendió de qué cambios en las formas funcionaron y cuáles no, lo que le permitió predecir geometrías completamente nuevas,” asegura. Serles dice que el aprendizaje automático normalmente requiere muchos datos (más de 20.000) y es difícil generar muchos datos cuando se utilizan datos de alta calidad del análisis de elementos finitos. Pero el algoritmo de optimización bayesiana multiobjetivo sólo necesitó 400 puntos de datos. “Pudimos trabajar con un conjunto de datos mucho más pequeño pero de una calidad extremadamente alta».

Filleter espera que estos nuevos diseños de materiales eventualmente conduzcan a componentes ultraligeros en aplicaciones aeroespaciales, como aviones, helicópteros y naves espaciales que puedan reducir las demandas de combustible durante el vuelo mientras se mantiene la seguridad y el rendimiento. «En última instancia, esto puede ayudar a reducir la alta huella de carbono de los vuelos”, dice Filleter.
Ahora afirma que se centrarán en mejorar aún más la ampliación de estos diseños de materiales para permitir componentes macroscópicos rentables. Es decir, componentes a gran escala. «Además, continuaremos explorando nuevos diseños que lleven las arquitecturas de materiales a una densidad aún menor mientras se mantiene una alta resistencia y rigidez», asegura Filleter.
Por elconfidencial