清華大學(xué)溫鵬團(tuán)隊(duì): 機(jī)器學(xué)習(xí)超材料設(shè)計(jì)方法用于3D打印多孔骨植入物

來(lái)源： 化學(xué)與材料科學(xué)

清華大學(xué)機(jī)械系溫鵬副教授團(tuán)隊(duì)提出了一種基于生成式設(shè)計(jì)-多目標(biāo)主動(dòng)學(xué)習(xí)循環(huán)（GAD-MALL）算法的超材料設(shè)計(jì)方法，成功用于3D打印多孔金屬骨植入物的結(jié)構(gòu)設(shè)計(jì)和性能優(yōu)化，為突破超材料設(shè)計(jì)時(shí)面臨的高維度、少樣本難題提供了通用的可行途徑。

多孔結(jié)構(gòu)超材料廣泛存在于自然界中，如蝴蝶翅膀和人體骨骼，展現(xiàn)出優(yōu)于基質(zhì)材料的力學(xué)和生物學(xué)性能，被廣泛應(yīng)用于輕質(zhì)結(jié)構(gòu)、組織工程、聲學(xué)和電學(xué)等領(lǐng)域。3D打印使得高精度復(fù)雜多孔結(jié)構(gòu)的低成本高效制造成為了可能，然而，超材料的結(jié)構(gòu)設(shè)計(jì)空間十分龐大，結(jié)構(gòu)與性能的映射關(guān)系復(fù)雜，如何發(fā)揮3D打印的結(jié)構(gòu)功能化優(yōu)勢(shì)成為科學(xué)難題�；�于機(jī)器學(xué)習(xí)的設(shè)計(jì)方法能夠?qū)崿F(xiàn)無(wú)先驗(yàn)知識(shí)條件下的高效設(shè)計(jì)，但目前發(fā)表的工作多集中于二維結(jié)構(gòu)，僅適用于低維或單目標(biāo)優(yōu)化問(wèn)題。工程中廣泛應(yīng)用的三維結(jié)構(gòu)通常涉及高維多目標(biāo)優(yōu)化，具有數(shù)據(jù)稀疏性、龐大搜索空間和嚴(yán)格外部約束等特點(diǎn)。例如，用于骨缺損填充修復(fù)的多孔骨植入物需要具有和骨組織匹配的變形響應(yīng)和足夠的壓縮強(qiáng)度，同時(shí)具有良好的生物活性和促成骨特性；而對(duì)于一個(gè)具有3*3*3個(gè)結(jié)構(gòu)單元的多孔結(jié)構(gòu)，如果每個(gè)單元的孔隙率有7個(gè)變量，那么理論上就有727種設(shè)計(jì)可能，因此需要一種高效的優(yōu)化設(shè)計(jì)方法實(shí)現(xiàn)多目標(biāo)性能優(yōu)化和精準(zhǔn)治療目的。

研究團(tuán)隊(duì)創(chuàng)新地提出了一種生成模型、三維卷積神經(jīng)網(wǎng)絡(luò)和數(shù)值模擬相融合的主動(dòng)學(xué)習(xí)循環(huán)（GAD-MALL）算法用于超材料多孔結(jié)構(gòu)設(shè)計(jì)。首先，基于生成式模型中的自編碼器對(duì)18000余個(gè)多孔結(jié)構(gòu)進(jìn)行無(wú)監(jiān)督學(xué)習(xí)，通過(guò)編碼器-解碼器神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)高維數(shù)據(jù)中的有效信息，將高維設(shè)計(jì)空間轉(zhuǎn)換至低維并展示在模型的潛在空間中；接著，通過(guò)高斯混合模型在潛在空間中進(jìn)行采樣，利用解碼器對(duì)采樣信息進(jìn)行解碼得到采樣結(jié)構(gòu)；進(jìn)一步，利用三維卷積神經(jīng)網(wǎng)絡(luò)對(duì)采樣結(jié)構(gòu)的性能進(jìn)行預(yù)測(cè)，利用數(shù)值模擬方法對(duì)預(yù)測(cè)性能最優(yōu)的結(jié)構(gòu)進(jìn)行物理分析，校準(zhǔn)預(yù)測(cè)結(jié)果并更新采樣數(shù)據(jù)庫(kù)；然后，基于更新后的三維卷積神經(jīng)網(wǎng)絡(luò)對(duì)新一輪采樣結(jié)構(gòu)進(jìn)行預(yù)測(cè)，并迭代優(yōu)化多目標(biāo)性能；最終，將優(yōu)化后的結(jié)構(gòu)進(jìn)行3D打印和物理測(cè)試，并與傳統(tǒng)方案進(jìn)行對(duì)比，直至實(shí)現(xiàn)預(yù)期的優(yōu)化效果。這種學(xué)習(xí)方法能夠在數(shù)據(jù)稀疏場(chǎng)景下有效解決高維多目標(biāo)優(yōu)化難題，為AI賦能材料和結(jié)構(gòu)設(shè)計(jì)提供了一種高效范式。

圖1.生成式設(shè)計(jì)-多目標(biāo)主動(dòng)學(xué)習(xí)循環(huán)（GAD-MALL）算法及設(shè)計(jì)流程

研究團(tuán)隊(duì)成功地將這種方法應(yīng)用于鈦合金和可降解鋅金屬骨缺損修復(fù)多孔植入物的優(yōu)化設(shè)計(jì)和3D打印，生成的多孔植入物在快速匹配骨骼解剖形態(tài)和彈性模量的同時(shí)，保持良好的孔隙連通性和可制造性，展現(xiàn)出比均質(zhì)結(jié)構(gòu)和拓?fù)鋬?yōu)化結(jié)構(gòu)更高的屈服強(qiáng)度和更均勻的應(yīng)力分布。目前團(tuán)隊(duì)和北醫(yī)三院骨科合作，在國(guó)際上率先實(shí)現(xiàn)了3D打印可降解金屬多孔植入物的臨床應(yīng)用，成功完成圍關(guān)節(jié)骨折骨缺損修復(fù)30余例，未來(lái)將會(huì)采用AI賦能的定制化方法，對(duì)3D打印多孔植入物的材料和結(jié)構(gòu)進(jìn)一步優(yōu)化，實(shí)現(xiàn)骨缺損修復(fù)的精準(zhǔn)治療。

圖2.GAD-MALL設(shè)計(jì)和3D打印的可降解金屬多孔植入物及其力學(xué)性能

上述研究成果近日以“ Machine learning-enabled constrained multi-objective design of architected materials”為題，發(fā)表于Nature Communications期刊。清華大學(xué)機(jī)械系2021級(jí)博士生彭勃、交叉信息研究院博士后韋業(yè)（現(xiàn)為洛桑聯(lián)邦理工學(xué)院博士后）和機(jī)械系2017級(jí)博士生秦瑜（現(xiàn)為北京大學(xué)博士后）為文章的共同第一作者，韋業(yè)、秦瑜和溫鵬為文章共同通訊作者。北醫(yī)三院田耘教授，北京大學(xué)鄭玉峰教授，德國(guó)馬普鋼鐵研究所韓六六博士、李躍博士等參加了論文討論。該研究得到國(guó)家重點(diǎn)研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金、清華大學(xué)-豐田聯(lián)合研究基金、清華大學(xué)精準(zhǔn)醫(yī)學(xué)科研計(jì)劃、水木學(xué)者等項(xiàng)目的資助。

原文鏈接：https://www.nature.com/articles/s41467-023-42415-y