Snel composiet maken met AI

Het ontwerpen van nieuwe composietmaterialen is een tijdrovend proces, waarbij fysieke testen en complexe computersimulaties de grootste bottlenecks vormen. Een recent promotieonderzoek aan de Universiteit van Göteborg toont aan hoe kunstmatige intelligentie (AI) kan bijdragen aan snellere en efficiëntere materiaalontwikkeling.

Het ontwikkelen van hoogwaardige composieten is complex. Traditioneel gezien gebeurt dit via een proces van herhaald testen en bijstellen op basis van fysieke proeven en gedetailleerde simulaties. Vooral geweven composieten — waarin vezels als textiel om elkaar heen gevlochten zijn — vormen een uitdaging. Het gedrag van deze structuren verandert afhankelijk van de belasting die ze ondergaan.

“Bij geweven vezelcomposieten is het lastig te voorspellen hoe de materialen zich precies gedragen,” zegt Ehsan Ghane, promovendus aan de faculteit Natuurkunde van de Universiteit van Göteborg. “We weten vaak wel hoe de afzonderlijke materialen zich gedragen, maar de interactie in een geweven structuur is veel complexer.”

Hoewel simulaties op meerdere schaalniveaus — van micro- tot macrostructuur — al veel inzicht geven, vereisen deze modellen nog steeds enorme rekenkracht.

Slimmere AI, minder data

Een veelbelovende oplossing ligt volgens Ghane in het gebruik van kunstmatige neurale netwerken. “Die kunnen inderdaad veel rekenwerk overnemen, maar hebben meestal grote hoeveelheden trainingsdata nodig en zijn slecht in het voorspellen buiten de bekende data.”

Daarom ontwikkelde hij een gegeneraliseerd AI-model dat met aanzienlijk minder data toe kan. Dit model maakt gebruik van bestaande gegevens uit simulaties en fysieke testen van de afzonderlijke componentmaterialen, en kan daarmee de sterkte en duurzaamheid van nieuwe composieten voorspellen.

Materiaalwetten in de AI

Een opvallend aspect van Ghanes aanpak is dat hij methodes heeft onderzocht om materiaalkundige wetten direct in het AI-model te integreren. “Hierdoor kan het model ook voorspellingen doen buiten de bekende dataset waarop het getraind is. Bovendien krijgen we hierdoor beter inzicht in hoe en wanneer een materiaal vervormt — cruciaal voor het voorspellen van gedrag op de lange termijn.”

Het AI-model van Ghane is inmiddels gepubliceerd en beschikbaar voor gebruik. Hiermee komt een toekomst waarin nieuwe, duurzame materialen sneller en met minder kosten ontwikkeld kunnen worden een stap dichterbij.