圖為：人工智能為設計自清潔超疏水表面參數，并優化實驗參數所建立的模型

    預測新材料功能特性并生成海量假想的材料，從中篩選合適的可行性材料，可以大大節省原材料，并減輕實驗室大量的工作量。 一個人工智能模型試圖做到這一點，結合計算機科學（人工智能的一種形式）設定實驗參數，以期達到結果與預期功能相匹配的效果。

    來自于中國和英國的研究團隊已經將人工神經網絡和演化算法結合起來建立模型，然后應用它來確定自清潔超疏水表面所需的參數。

    首先定義與超疏水表面特征相關的參數，包括粘附力，水接觸和滑動角度等，以及水滴在自潔過程中撞擊疏水表面上的彈跳行為及其影響因素。該模型先是通過調整實驗參數來建立可行性策略，隨后根據不同等級表面形態內的納米結構，確定水滴體積以及測量粘附力時液滴在表面需行進的距離。

    研究人員還為其模型設定了更為具體的參數，例如自清潔表面的水接觸角度需要大于150度。

    應用使此模型可以對某些力學關系（如水滴體積對滑角測量的影響）更好地理解，它有助于確定每個參數對目標功能的影響程度。由于這些關系的復雜性和實驗條件的不可重復性，確立這些參數比實驗中的實際操作還要困難。

    說了這么多。 那么，與傳統的體力勞動相比，這個模型是如何衡量的？

圖片展示了PVC /硅膠表面的超疏水性    插圖分別為水與超疏水表面接觸形態和滑動角度

    使用不同納米粒子SiO2含量的聚氯乙烯（PVC）可制成仿生超疏水表面，并將人工智能應用于分析數據并生成模型，優化所有參數。 “使其獲得的最佳參數與實驗觀察結果一致。”相關研究人員表示，只需采集小型數據精確調整模型， 是他們技術的另一個優勢所在。

    原文來自：advancedsciencenews，原文題目：Artificial Intelligence Models New Functional Materials，由材料科技在線團隊翻譯整理。

更多關于材料方面、材料腐蝕控制、材料科普等方面的國內外最新動態，我們網站會不斷更新。希望大家一直關注中國腐蝕與防護網http://www.ecorr.org

責任編輯：殷鵬飛

《中國腐蝕與防護網電子期刊》征訂啟事
投稿聯系：編輯部
電話：010-62313558-806
郵箱：fsfhzy666@163.com
中國腐蝕與防護網官方 QQ群：140808414