生成式AI与主动学习提升纳米结构材料比刚度

Advanced science (Weinheim, Baden-Wurttemberg, Germany) · 2026-10-04 · 期刊论文

• 一句话结论：该研究提示，在体素化结构空间中直接搜索可系统发现超出预设拓扑族的力学高效纳米结构，所发现的架构在计算与实验层面均表现出更高的杨氏模量与强度。
• 研究设计与做法：设计为计算框架结合实验验证：将立方对称单胞（杆基、TPMS基与混合族）编码为连续潜表示，采用代理模型引导的多目标搜索与主动学习循环，共进行九轮迭代，随后以双光子聚合与热解制备碳纳米结构并测试。
• 主要结果：九轮迭代中，距初始数据集的平均最小汉明距离由442升至641，Pareto超体积由0.106升至0.113；计算上，所发现架构在等密度下相对杨氏模量比初始设计高11–20%；实验上，优化碳纳米架构比密度匹配对照杨氏模量高18–23%、强度高26–40%，比刚度达17.2、22.3与21.3 MPa m3 kg-1。
• 机制或解释：作者解释称，多数优化框架仅在预设拓扑族内搜索，限制了新形态的发现；直接在结构空间学习可突破初始参数化族，从而发现力学效率更高的架构。
• 局限与边界：局限与边界：材料未报告具体样本量、重复次数、统计检验与置信区间，也未报告利益冲突；结果基于特定单胞族与制备工艺，外推至其他材料体系或尺度需谨慎。
• 可否落地：落地含义：该框架提示生成式AI与主动学习可用于纳米结构材料的力学性能优化，但证据档位为「提示」性质，属计算与初步实验验证，尚不足以支持工程化常规应用。

🔗 打开原文

Yeo J, Serles P, Park D 等

本文摘自《每日前沿研究简报 · 2026-10-07》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。