首次使用机器学习算法优化纳米结构材料，从而获得了一种强度惊人但重量很轻的材料。

由1875万个晶格单元组成的超轻碳纳米晶格静止在气泡上。

扫描电子显微镜拍摄的纳米材料晶格设计特写。　　多伦多大学应用科学与工程学院的研究人员利用机器学习设计出了具有碳钢强度和泡沫塑料轻度的纳米结构材料。　　在发表于《先进材料》（Advanced Materials）的一篇新论文中，托宾·菲尔特（Tobin Filleter）教授（麻省理工学院）领导的团队介绍了他们是如何制造出兼具超强强度、轻质和可定制等特性的纳米材料的。这种方法可以惠及从汽车到航空航天等众多行业。　　论文的第一作者彼得·塞勒斯（Peter Serles）说：“纳米结构材料在纳米尺寸上结合了高性能形状，就像用三角形造桥一样，利用了‘越小越强’的效应，实现了所有材料中最高的强度—重量比和刚度—重量比。然而，所使用的标准晶格形状和几何结构往往具有尖锐的交叉点和拐角，从而导致应力集中的问题。这会导致材料的早期局部失效和断裂，限制其整体潜力。”　　该研究小组指出，这是人工智能的这一分支首次被用于优化纳米结构材料。彼得·塞勒斯称赞这种方法说：“它不只是从训练数据中复制成功的几何图形，它还从形状的哪些变化有效、哪些无效中学习，使它能够预测全新的晶格几何图形。”　　概括地说，纳米材料是通过将原子或分子以精确的模式排列而形成的，就像用极小的乐高积木搭建结构一样。这些材料通常因其纳米级尺寸而表现出独特的性能。　　这些原子或分子以重复的三维模式排列，称为晶格。晶格由间隔规则的点（称为晶格点）组成，这些点定义了材料的周期性结构。这种有序排列影响着材料的物理、化学和电子特性。　　研究人员与韩国的一个团队合作，应用了多目标贝叶斯优化机器学习算法。该算法的作用是预测可能的最佳几何形状，以增强应力分布和提高强度重量比，从而形成一种　　新型纳米结构。　　随后，塞勒斯使用流体技术研究与应用中心（CRAFT）的双光子聚合三维打印机制作了原型，用于实验验证。这种增材制造技术可以在微米和纳米尺度上进行三维打印，创建优化的碳纳米晶格。他们生产的纳米晶格所能承受的应力是钛的五倍。这种材料强度高、刚度大、重量轻，可用于航空航天制造领域。塞勒斯指出：“如果用这种材料取代飞机上的钛制部件，每取代1千克材料，每年就能节省80升燃料。”　　研究小组打算继续努力，开发出强度更大、密度更低的材料，并想方设法在不增加成本的情况下，用这些材料设计制造部件。（航柯）