Nghệ thuật gấp giấy kirigami cổ xưa đáp ứng AI để thiết kế vật liệu tốt hơn
Các nhà nghiên cứu đang tìm kiếm kirigami - một nghệ thuật cổ đại sử dụng các đường cắt chính xác để tạo ra hình ảnh phức tạp - để hướng dẫn các kỹ thuật trí tuệ nhân tạo trong việc sản xuất các vật liệu bền hơn, có thể co giãn hơn cho các thiết bị điện tử đeo được. Hình ảnh: Shutterstock / yuyangc
Kirigami là nghệ thuật cắt giấy của Nhật Bản. Có thể bắt nguồn từ nghệ thuật jiǎnzhǐ của Trung Quốc, nó xuất hiện vào khoảng thế kỷ thứ 7 ở Nhật Bản, nơi nó được sử dụng để trang trí các ngôi đền. Vẫn còn được thực hành ngày nay, nghệ sĩ kirigami sử dụng một mảnh giấy để cắt các thiết kế trang trí, như chim và cá hoặc bông tuyết phức tạp và phổ biến hơn.
Tuy nhiên, nghệ thuật cổ xưa này, dựa vào các vết cắt chính xác để xác định hoặc tái tạo các mẫu, đang tìm ra các ứng dụng hiện đại và thực tế hơn trong điện tử. Cụ thể, trong việc sản xuất các vật liệu có thể co giãn 2D có thể đóng vai trò chủ nhà cho các thiết bị điện tử có thể đeo được, như da điện tử để theo dõi sức khỏe.
Quá trình kết hợp nghệ thuật xếp giấy kirigami với một kỹ thuật trí tuệ nhân tạo được gọi là học tăng cường tự động. Và để đồng bộ hóa tốt hơn cái cũ với cái mới, các nhà nghiên cứu từ Đại học Nam California sử dụng sức mạnh tính toán có sẵn tại Phòng thí nghiệm Quốc gia Argonne của Bộ Năng lượng Hoa Kỳ (DOE).
Học tập củng cố liên quan đến các hành động học tập mang lại phần thưởng hoặc kết quả cụ thể. Ví dụ, thông qua sự kết hợp của khả năng quan sát, lặp lại và khả năng bẩm sinh, một con hươu cao cổ con học cách đứng, đi và thậm chí chạy vào ngày nó được sinh ra. Điều này giúp nó tìm kiếm thức ăn và tránh nguy hiểm rất nhanh.
Pankaj Rajak, thành viên chính của dự án này và là cựu postdoc tại Argonne Leadership Computing Facility (ALCF), một cơ sở người dùng thuộc Văn phòng Khoa học của DOE, cho biết: “Đây là một kế hoạch phức tạp, nó đang học hỏi. "Câu hỏi đặt ra là, liệu chúng ta có thể sử dụng một hành vi tương tự trong thiết kế vật liệu, như trong kirigami này, trong đó mục tiêu của bạn là tạo ra một vật liệu có cấu trúc hơn có khả năng co giãn cao, cắt từng miếng một. Đó là một chiến lược thông minh để tìm ra vị trí cắt giảm nên đi. "
Các nhà nghiên cứu bắt đầu tạo ra một cấu trúc 2D molypden disulfide được nhúng với thiết bị điện tử, giống như một thiết bị bán dẫn, có thể giãn ra nhưng vẫn ổn định.
Các nhà khoa học thực nghiệm phát hiện ra rằng một loạt các vết cắt chính xác có chủ ý sẽ cho phép vật liệu mỏng nguyên tử kéo dài ra đáng kể, lên tới 40%. Tuy nhiên, có rất nhiều sự kết hợp có thể có của các vết cắt. Vì vậy, chương trình AI cần biết những thông tin gì để có được các kết hợp phù hợp?
Để cung cấp cho chương trình một số dữ liệu ban đầu — như những quan sát về môi trường của một con hươu cao cổ — Rajak đã tiến hành 98.500 mô phỏng bao gồm một loạt các vết cắt từ một đến sáu với các độ dài khác nhau để xác định khả năng co dãn.
Nhóm đã tạo ra các mô phỏng của họ trên siêu máy tính ALCF Theta, hoàn thành chúng trong vài tháng.
“Bạn có thể có hai trăm người, mỗi người thực hiện năm thí nghiệm mỗi ngày trong một tháng để thu thập dữ liệu về các vết cắt khác nhau,” thành viên nhóm Priya Vashishta lưu ý. "Nó sẽ rất tốn kém về vật liệu và thời gian. Nhưng trong trường hợp này, mô hình này khá tốt và tạo ra dữ liệu rất giống với dữ liệu thực nghiệm."
Kéo dài của kirigami mỏng nguyên tử làm bằng molypden disulfide, được thiết kế bằng cách học tăng cường và mô phỏng bằng động lực học phân tử. Nhà cung cấp hình ảnh: Ken-ichi Nomura và Pankaj Rajak, Đại học Nam California
Sau khi mô hình học được các chiến lược thiết kế kirigami từ số lượng vết cắt nhỏ hơn, các nhà nghiên cứu đã sử dụng nó để tạo ra 8 và 10 vết cắt, tạo ra sự kết hợp của các vết kéo và vết cắt có thể có với con số khoảng một tỷ.
Vashishta tính toán: “Và nếu mất vài tháng để thực hiện 98.500 mô phỏng và bạn đi cao hơn ba bậc của cường độ, thì đó là cả cuộc đời,” Vashishta tính toán.
Nhưng không có bất kỳ dữ liệu đào tạo bổ sung nào, mô hình có thể tạo ra một cấu trúc gồm 10 vết cắt vượt quá khả năng co giãn 40%. Và đáng kinh ngạc hơn, nó chỉ mất vài giây để sản xuất.
Rajak nói: “Vì vậy, nó đã tìm ra những thứ mà chúng tôi chưa bao giờ nói với nó để tìm ra. "Nó đã học được điều gì đó theo cách một con người học và sử dụng kiến thức của mình để làm điều gì đó khác biệt."
Cho đến nay, công việc này được dùng như một cuộc chạy thử nghiệm để xác định tiềm năng tạo ra một loại vật liệu như vậy. Xác định độ bền và tính linh hoạt thông qua phương pháp kirigami này là rất quan trọng để hiểu cách in trên thiết bị điện tử sẽ làm biến dạng và giãn ra 50% khi bị mòn.
Trong một nghiên cứu liên quan, nhóm cũng sử dụng phương pháp học củng cố để phát triển lớp hoặc trang tính mà kỹ thuật kirigami và thiết bị điện tử được áp dụng.
Để các vết cắt hoạt động như dự định, các nhà nghiên cứu cần một vật liệu 2D hoàn hảo. Trong trường hợp này là đisunfua molypden. Nếu được thực hiện trong phòng thí nghiệm, các nhà thí nghiệm sẽ kết dính hợp chất molypden và lưu huỳnh lên chất nền, hoặc lớp khối xây dựng, thông qua một quá trình được gọi là lắng đọng hơi hóa học .
Aiichiro Nakano, thành viên nhóm nghiên cứu cho biết: “Chúng thực sự có các nút vặn để tạo áp suất và nhiệt độ, đó là một hàm của thời gian. "Họ xoay các nút này, thêm hoặc bớt một chút cái này hay cái kia để có được lịch trình nhiệt độ và áp suất khí phù hợp."
Nếu không được thực hiện chính xác, bất kỳ khuyết tật nào trong tấm, như thiếu nguyên tử hoặc cấu trúc tinh thể bị thay đổi, có thể thay đổi hoàn toàn hiệu suất của sản phẩm điện tử.
Nakano cho biết thêm: “Giống như các vết cắt kirigami, chúng tôi đang mô hình hóa quá trình này thông qua mô phỏng, nhưng sử dụng phương pháp học tăng cường để tối ưu hóa lịch trình lắng đọng hơi hóa chất,”.
Nghiên cứu được đề cập ở trên có nguồn gốc từ hai bài báo xuất hiện trên npj Computational Materials , được xuất bản lần lượt vào ngày 9 tháng 7 và ngày 12 tháng 7 năm 2021: "Tác nhân học tăng cường tự động cho thiết kế kirigami có thể co giãn của vật liệu 2D" và "Tác nhân học tăng cường tự động cho hơi hóa chất tổng hợp lắng đọng của vật liệu lượng tử. "
