文章專區

冷凍鑄造法（freeze casting method）是一種新興的仿生多孔材料製作法，在仿生領域中常被用來製作仿骨骼 結構。近期，成功大學工程科學系助理教授游濟華帶 領研究團隊利用人工智慧（artificial intelligence, AI）模型，預測冷凍鑄造法中的冰晶結構生成。團隊解決了冷凍鑄造法中過程繁雜又充滿不確定性的問題，以AI 輔助設計冷凍鑄造仿生多孔材料所需的結構。藉由AI 輔助，可以降低設計與製造過程中耗費的人力與時間 成本、提升成功率，進一步開啟材料設計的新途徑。 此項研究成目前已刊登於《先進科學》（Advanced Science）期刊中。

游濟華在成功大學的新聞稿中提到，冷凍鑄造法中 「冰晶結構的生成」是製造仿生多孔洞材料結構的關 鍵。以此法製造出的仿生多孔洞材料可運用於生醫骨 材等生物材料領域，此外也能作為油水過濾、空氣過 濾等環保用途。不過無論是設計冰晶生成趨勢或生成 後的鑄造，至今都仍要耗費大量人力和時間，而且變 數極大。即使國內外皆有團隊投入將AI導入冷凍鑄造 法的相關研究，但大多數團隊做的都是預測——提供 AI各種溫度、速度等條件，藉此預測冰晶結構生成 的結果。而游濟華團隊本次製作的AI模型除了深度 學習（deep learning）外，還應用了「增強式學習」 （reinforcement learning）。這使得AI模型具有設計能 力，只要輸入指令說明要製作的孔洞結構，此模型就 能設計出符合結果所需要的各種條件。

透過這項結合預測與設計的AI模型，將能夠大幅加速 冷凍鑄造法中冰晶結構的設計過程。在過往，即使是 有經驗的設計者至少也要花費五小時，才有可能設計出一個冰晶結構的生長趨勢，然而AI模式僅需要2∼3 分鐘即可大功告成。至於運算成本方面，一般的電腦 計算若需要兩分鐘，AI只要花費兩秒就能完成所有運 算作業。

研究團隊前後耗費約一年時間才完成此項研究。此外，團隊也遇到不少挑戰，例如找不到現成適合的AI 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。而要如何有效整合與控制溫 度、速度、攪拌時間等參數，則是他們遇到的另一項 難關。現在的冷凍鑄造仿生多孔洞材料、孔洞結構都 是朝同一方向生成，研究孔洞結構的不同生成方向、 探討添加材料等都是值得深入的議題。未來，團隊將 繼續探索AI在材料方面的應用、研究更先進的技術。

冷凍鑄造的鋁。
（Alichtner, CC BYSA 3.0, Wikimedia Commons）

新聞來源
孟慶慈（2023年5月18日）。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。國立成功大學新聞中心。https://reurl.cc/ a162kD