『』零经验设计多功能、最优选材，麻省理工用AI改变结构材料设计方法

一些具有地标意义、世界著名的建筑，在设计之初便有着其结构与选材等角度的独到之处。
例如法国的文化象征之一，也是巴黎最高的地标建筑，被法国人爱称为“铁娘子”的埃菲尔铁塔。其得名于设计它的著名建筑师、结构工程师古斯塔夫·埃菲尔（Gustave Eiffel），而这座铁塔采用预制拼装的方法，全部由钢材建设而成。
当初，埃菲尔铁塔的结构设计可谓争议不断，一方面是其风格与卢浮宫、巴黎圣母院和凯旋门等拥有悠久历史的古典建筑群格格不入，另一方面则是对其百分百钢架镂空结构的不信任。不过实际上，在那个年代用古建筑风格的石料是很难建成高达 324 米的建筑，所以对钢结构的设计与选择是正确的。
如今，随着材料学与计算机技术的不断发展，人们对材料结构的设计范围已从米进入了纳米的尺度；并且适用范围也从最为宏大的建筑材料，扩展为横跨轻质结构、隔热、电池电极、催化剂支架、光学和声学超材料等众多应用领域。此外，增材制造技术的快速进步也让更为复杂的结构材料在规模化生产的技术与经济角度上变得可行。
那么问题来了，怎样找到一种简单快速且系统化的方法来设计复杂的结构材料呢？麻省理工学院赵选贺教授最近的一项研究，开发出一个利用生成式对抗网络（GANs）来设计复杂结构材料的“平台化”系统。这项研究发表在 4 月 24 日最新一期的 Science Advances 杂志上。为此， DeepTech 专门与赵选贺教授聊了聊这项研究。

本文插图
图 | 论文的截图（来源：Science Advances）
打破传统， AI 赋能材料结构设计
尽管人们很早就认识到结构材料具有重要的应用价值和巨大潜力，但在设计上始终面临着不少挑战。
现有的结构材料设计通常采用受自然界生物启发或者拓扑优化（先猜测一个形状，然后不断进行优化）等手段。例如蜂巢状、骨骼形或者植物薄壁组织等形态结构，都来源于生物灵感。但问题是，自然界的生物并不一定是按照提供最佳结构性能的方式进化的，而要面临各种不同的生存问题，因此源于生物灵感的设计通常不能保证得到结构的最优解。
此外，自然界生物系统的可参考范围也是有限的，很多性能与功能更为理想的结构材料找不到相应的生物灵感作为参考。
拓扑优化方法在材料设计上也取得了成功，在一定范围内可以达到最优的结构。不过，拓扑优化法可能会受到最初对结构猜测的制约，不同的初始猜测可能来带不同的结构与属性。
最重要的，这些传统方法都需要有着丰富先验知识和经验的设计师来操作，并且最终可以提供选择的设计数量是有限的。简单来说，水平或许不一般，但人力终有限。
“如果机器可以给人提供更多的选择时，那么人们的精力就可以被释放，把更多的创造力投入到其他事情中。 ”赵选贺解释道， “将这些需要大量数据模拟计算的事情，交给机器去设计。 ”
但赵选贺在聊天中特别强调道：“我们所谓的设计，并不是指在原子层面的拆分组合，不是去设计材料，而是设计结构。 ”他表示，结构材料或微结构材料目前是一个新兴的领域，是通过设计材料的结构来追求某种性能。

本文插图
【『』零经验设计多功能、最优选材，麻省理工用AI改变结构材料设计方法】图 | 设计复杂结构材料流程示意：A. 数据生成器，用于生成结构材料的配置和属性数据集；B. 数据集训练的 GANs；GANs 提出具有目标性能的新型结构材料设计方案（来源：Science Advances）
生成对抗网络这个概念最早由伊恩·古德费洛（Ian Goodfellow）提出，他是《深度学习》（Deep Learning）作者之一，被称为“GAN 之父” ，是目前人工智能领域的顶级专家之一。简答来说， GANs 就是生成模型和判别模型之间的一个模仿游戏。