Двигатели внутреннего сгорания, гребные винты и гидравлические насосы являются примерами гидродинамических устройств — инструментов, которые используют жидкости для выполнения определенных функций, таких как производство электроэнергии или транспортировка воды.

Поскольку жидкостные устройства настолько сложны, их обычно разрабатывают опытные инженеры, которые вручную проектируют, создают прототипы и тестируют каждое устройство в рамках итеративного процесса, который является дорогостоящим, трудоемким и трудоемким. Но с новой системой пользователям нужно только указать места и скорости, с которыми жидкость входит и выходит из устройства. Затем вычислительный конвейер автоматически генерирует оптимальный проект, который достигает этих целей.

Система может ускорить и удешевить разработку жидкостных устройств для всех видов приложений, таких как микрофлюидные лаборатории на чипе, которые могут диагностировать заболевание по нескольким каплям крови, или искусственные сердца, которые могут спасти жизни пациентов, перенесших трансплантацию.

Недавно были разработаны вычислительные инструменты для упрощения ручного процесса проектирования, но эти методы имели ограничения. Некоторые требовали от дизайнера заранее указать форму устройства, в то время как другие представляли формы с использованием 3D-кубов, известных как воксели, что приводило к прямоугольным и неэффективным конструкциям.

Новая вычислительная техника, разработанная исследователями из Массачусетского технологического института и других организаций, позволяет преодолеть эти ловушки. Их структура оптимизации дизайна не требует, чтобы пользователь делал предположения о том, как должно выглядеть устройство. И форма устройства автоматически развивается во время оптимизации с плавными контурами, а не с блочными, неточными границами. Это позволяет системе создавать более сложные формы , чем другие методы.

«Теперь вы можете легко выполнять все эти шаги в вычислительном конвейере. А с нашей системой вы потенциально можете создавать более совершенные устройства, потому что вы можете исследовать новые конструкции, которые никогда не исследовались, используя ручные методы. еще не изучены экспертами», — говорит Ифэй Ли, аспирант по электротехнике и компьютерным наукам, который является ведущим автором статьи, подробно описывающей эту систему.

Среди соавторов Тао Ду, бывший постдоктор в Лаборатории компьютерных наук и искусственного интеллекта (CSAIL), который сейчас является доцентом в Университете Цинхуа; и старший автор Войцех Матусик, профессор электротехники и компьютерных наук, который возглавляет группу вычислительного проектирования и производства в CSAIL; а также другие в Университете Висконсина в Мэдисоне, LightSpeed ​​Studios и Дартмутском колледже. Исследование будет представлено на ACM SIGGRAPH Asia 2022.

Формирование жидкостного устройства

Конвейер оптимизации исследователей начинается с пустой трехмерной области, которая была разделена на сетку крошечных кубов. Каждый из этих трехмерных кубов или вокселей можно использовать для формирования части формы жидкостного устройства.

Одна вещь, которая отличает эту систему от других методов оптимизации, заключается в том, как она представляет (или «параметризирует») эти крошечные воксели. Воксели параметризованы как анизотропные материалы, то есть материалы, дающие разные отклики в зависимости от направления приложения к ним силы. Например, древесина намного слабее против сил, приложенных перпендикулярно волокнам.

Исследователи используют эту модель анизотропного материала для параметризации вокселов как полностью твердых (как можно было бы найти снаружи устройства), полностью жидких (жидкость внутри устройства) и вокселей, которые существуют на границе раздела твердое тело-жидкость, которые обладают свойствами как твердого, так и жидкого вещества.

«Когда вы идете в твердом направлении, вы хотите моделировать материальные свойства твердых тел. Но когда вы идете в направлении жидкости, вы хотите моделировать поведение жидкостей. Это то, что вдохновило нас на использование анизотропных материалов для представления твердое тело-жидкость. И это позволяет нам очень точно моделировать поведение этой области», — объясняет Ли.

Их вычислительный конвейер также по-другому думает о вокселах. Вместо того, чтобы использовать воксели только в качестве трехмерных строительных блоков, система может наклонять поверхность каждого вокселя и очень точно изменять его форму. Затем воксели могут быть сформированы в плавные кривые, что позволяет создавать сложные конструкции.

Как только их система сформировала форму с использованием вокселей, она имитирует, как жидкость течет через этот дизайн, и сравнивает его с заданными пользователем целями. Затем он корректирует дизайн, чтобы лучше соответствовать целям, повторяя этот шаблон, пока не найдет оптимальную форму.

Имея в руках этот дизайн, пользователь может использовать технологию 3D-печати для изготовления устройства.

Демонстрация дизайна

После того, как исследователи создали этот конвейер проектирования, они проверили его на соответствие современным методам, известным как рамки параметрической оптимизации. Эти рамки требуют от дизайнеров заранее указать, какой, по их мнению, должна быть форма устройства.

«Как только вы сделаете это предположение, все, что вы получите, — это вариации формы внутри семейства форм», — говорит Ли. «Но наша структура не требует, чтобы вы делали подобные предположения, потому что у нас есть такие высокие степени свободы дизайна , представляя эту область множеством крошечных вокселей, каждый из которых может изменять свою форму».

В каждом тесте их структура превосходила базовые показатели, создавая плавные формы со сложной структурой, которые, вероятно, были бы слишком сложными для эксперта, чтобы указать их заранее. Например, он автоматически создал жидкостный диффузор в форме дерева, который транспортирует жидкость из одного большого входа в 16 меньших выходов, минуя препятствие в середине устройства.

Трубопровод также создал устройство в форме пропеллера для создания закручивающегося потока жидкости. Чтобы добиться такой сложной формы, их система автоматически оптимизировала почти 4 миллиона переменных.

«Я был очень рад видеть, что наш конвейер смог автоматически вырастить устройство в форме пропеллера для этого жидкостного вихря. Эта форма будет управлять высокопроизводительным устройством. вырастить такую ​​сложную форму, конечное устройство не будет работать так же хорошо», — отмечает Ли.

Хотя она была впечатлена разнообразием форм, которые он может автоматически генерировать, Ли планирует усовершенствовать систему, используя более сложную модель гидродинамического моделирования. Это позволит использовать конвейер в более сложных средах потока, что позволит использовать его в более сложных приложениях.