马里兰大学(UMD)的工程师们开发了一种结合机器学习和协作机器人技术的模型，以克服可穿戴绿色技术中使用的材料设计中的挑战。

由马里兰大学化学与生物分子工程系助理教授Po-Yen Chen领导的加速方法可以制造用于可穿戴加热应用的气凝胶材料，该方法于6月1日发表在《自然通讯》杂志上，可以使新材料的设计过程自动化。

气凝胶类似于水基凝胶，但它是由空气制成的，由于其机械强度和柔韧性，气凝胶是一种轻质多孔材料，用于隔热和可穿戴技术。但是，尽管它们看似简单，气凝胶装配线是复杂的;研究人员依靠时间密集的实验和基于经验的方法来探索广阔的设计空间和设计材料。

为了克服这些挑战，研究团队将机器人技术、机器学习算法和材料科学专业知识结合起来，加速设计具有可编程机械和电气性能的气凝胶。他们的预测模型以95%的准确率生成可持续产品。

[视频:通过机器学习和协作机器人加速气凝胶设计]

“由于缺乏高质量的实验数据，材料科学工程师经常难以采用机器学习设计。我们的工作流程结合了机器人和机器学习，不仅提高了数据质量和收集率，而且还帮助研究人员在复杂的设计空间中导航。”

该团队的强韧气凝胶是用导电钛纳米片以及纤维素(一种在植物细胞中发现的有机化合物)和明胶(一种在动物组织和骨骼中发现的胶原蛋白衍生蛋白)等天然成分制成的。

该团队表示，他们的工具还可以扩展到气凝胶设计的其他应用中，比如用于石油泄漏清理的绿色技术，可持续能源储存，以及隔热窗户等热能产品。

“这些方法的融合使我们处于材料设计的前沿，具有可定制的复杂特性。我们预计利用这个新的规模化生产平台，设计出具有独特机械、热学和电学性能的气凝胶，适用于恶劣的工作环境，”该研究的合作者、机械工程助理教授Eleonora Tubaldi说。

展望未来，Chen的团队将进行研究，以了解气凝胶柔韧性和强度特性的微观结构。他的工作获得了UMD大挑战团队项目资助，用于天然塑料替代品的可编程设计，该项目由UMD机械工程教授李腾共同授予。