成大研究團隊「預測＋設計」AI模型 開啟冷凍鑄造仿生材料設計新途徑
文／孟慶慈 圖／游濟華助理教授研究團隊
人工智慧深度學習模型，預測冰晶生成
冷凍鑄造用於仿生多孔洞材料，極具應用潛力，但從設計到製作，過程繁雜又充滿不確定性。國立成功大學工程科學系游濟華助理教授帶領研究團隊，成功利用人工智慧模型預測冷凍鑄造中的冰晶結構生成，並能設計冷凍鑄造仿生多孔洞材料的所需的孔洞結構，不僅降低設計與製造過程所耗費的人力與時間成本，提升成功率，還進一步開啟了材料設計新途徑，這項研究成果 5 月 17 日一舉躍登國際權威期刊《Advanced Science》。
游濟華助理教授表示，冷凍鑄造是新興的仿生多孔洞材料製作法，冰晶結構生成是仿生多孔洞材料「結構」的關鍵。冷凍鑄造仿生多孔洞材料可運用的領域，例如生醫骨材等生物材料、油水過濾、空氣過濾等環保用途。但迄今，無論設計冰晶生成趨勢或生成後的鑄造，都要耗費大量人力和時間，而且變數極大。
現今，國內外都有團隊投入人工智慧冷凍鑄造相關研究，但多數做的是預測，提供各種溫度、速度等條件，預測冰晶結構生成的結果。游濟華助理教授團隊不僅利用人工智慧「深度學習」去預測結果，又應用了「增強式學習」，讓模型具有設計能力，輸入指令說明要製作的孔洞結構，模型就能設計出符合「結果」所需要的各式條件。
人工智慧模型Prediction預測冰晶結構生長（上）、Ground truth實際生長（中），預測與實際生長吻合Overlappng情形（下）
這項「預測+設計」人工智慧模型，是游濟華助理教授及其團隊獨立研究開發而成。游濟華助理教授說，此模型大幅加速冰晶結構設計過程，一般來說有經驗的設計者，至少要花 5 小時才可能設計出一個冰晶結構生長趨勢，人工智慧模式 2 至 3 分鐘即大功告成。至於運算成本，一般的電腦計算若需要 2 分鐘，人工智慧只要 2 秒。
右起，游濟華助理教授、研究助理郭張瑋、博士候選人曾柏諺
游濟華助理教授研究團隊成員包括，博士候選人曾柏諺、研究助理郭張瑋、碩士畢業生簡宇辰，大家前後耗費 1 年時間才完成此項研究。這一年來，團隊遇到不少挑戰，難題之一是沒有現成適合的人工智慧模型框架可以使用，必須開發符合研究需求的全新模型架構、設計演算法等。另一個難關為，如何有效整合與控制溫度、速度、攪拌時間等參數。在團隊鍥而不捨的堅持下，問題逐一被克服。
游濟華助理教授表示，未來將帶領團隊繼續探索人工智慧在材料方面的應用、研究更先進的技術。現在冷凍鑄造仿生多孔洞材料，孔洞結構都是朝同一方向生成，研究孔洞結構不同的生成方向、探討添加材料等，都是值得深入的議題。
《Advanced Science》是涵蓋材料科學、物理、化學、醫學和生命科學以及工程學方面研究的期刊，具有高度影響力。
維護單位:
新聞中心
更新日期:
2023-05-18
