Metamateriali su misura: progettazione inversa dallImperial College

21 May 2026 Pubblicato | Tradotto dallo spagnolo

Ricercatori dell'Imperial College London hanno creato un framework computazionale che consente di progettare metamateriali meccanici non lineari da zero. Lo strumento utilizza l'ottimizzazione topologica per generare celle unitarie microscopiche a partire da obiettivi di tensione-deformazione. Il lavoro, pubblicato su Advanced Engineering Materials, è stato sviluppato da Charlie Aveline, Matthew Santer e Robert Hewson del Dipartimento di Aeronautica.

reticolo di celle unitarie microscopiche ottimizzato computazionalmente in tempo reale, evoluzione topologica iterativa che mostra una graduale deformazione della forma dalla struttura iniziale alla struttura finale del metamateriale non lineare, curve sforzo-deformazione visualizzate come grafici volumetrici luminosi che fluttuano sopra il progetto, postazione di lavoro ingegneristica con interfaccia software di simulazione sullo sfondo, ricercatore che regola i parametri osservando la risposta meccanica, visualizzazione ingegneristica fotorealistica, texture cristalline metalliche con illuminazione sfumata, motivi geometrici precisi ad alto ingrandimento, illuminazione tecnica drammatica blu e arancione, rendering scienza dei materiali ultra-dettagliato

Contatto, instabilità e bistabilità in un unico flusso di lavoro 🛠️

Il framework integra contatto interno, instabilità per schiacciamento e bistabilità in un processo unificato. I progettisti possono sintetizzare celle unitarie con risposte meccaniche complesse senza bisogno di geometrie predefinite o set di dati di apprendimento automatico. L'ottimizzazione topologica consente di esplorare configurazioni che in precedenza richiedevano tentativi ed errori, offrendo un percorso diretto dalla risposta desiderata alla microstruttura finale.

Addio ai cataloghi di componenti, benvenuta all'IA che non ha bisogno di addestramento 🤖

Fino ad ora, progettare un metamateriale implicava frugare nei cataloghi o sperare che una rete neurale imparasse da esempi precedenti. Questo metodo propone qualcosa di più radicale: generare la geometria direttamente da ciò che si vuole che faccia. Come ordinare una pizza e che il forno inventi l'impasto, il formaggio e la cottura. Certo, senza dipendere dal fatto che il fattorino abbia visto mille pizze prima.