Créditos:Crédito: Yifei Li/MIT CSAIL
Essa ferramenta computacional pode gerar um projeto ideal para um dispositivo fluídico complexo, como um motor de combustão ou uma bomba hidráulica.
Motores de combustão, hélices e bombas hidráulicas são exemplos de dispositivos fluídicos – instrumentos que utilizam fluidos para realizar certas funções, como geração de energia ou transporte de água.
Como os dispositivos fluídicos são tão complexos, eles geralmente são desenvolvidos por engenheiros experientes que projetam, prototipam e testam manualmente cada aparelho por meio de um processo iterativo que é caro, demorado e trabalhoso. Mas com um novo sistema, o usuário só precisa especificar os locais e as velocidades nas quais o fluido entra e sai do dispositivo – o pipeline computacional gera automaticamente um projeto ideal que atinge esses objetivos.
O sistema pode tornar mais rápido e barato projetar dispositivos fluídicos para todos os tipos de aplicações, como laboratórios microfluídicos em um chip que podem diagnosticar doenças a partir de algumas gotas de sangue ou corações artificiais que podem salvar a vida de pacientes transplantados.
Recentemente, ferramentas computacionais foram desenvolvidas para simplificar o processo de projeto manual, mas essas técnicas tiveram limitações. Alguns exigiam que um designer especificasse a forma do dispositivo com antecedência, enquanto outros representavam formas usando cubos 3D, conhecidos como voxels, que resultam em designs quadrados e ineficazes.
A técnica computacional desenvolvida por pesquisadores do MIT e de outros lugares supera essas armadilhas. Sua estrutura de otimização de design não exige que o usuário faça suposições sobre a aparência de um dispositivo. E a forma do dispositivo evolui automaticamente durante a otimização com limites suaves, em vez de blocos e inexatos. Isso permite que seu sistema crie formas mais complexas do que outros métodos.
“Agora você pode executar todas essas etapas perfeitamente em um pipeline computacional. E com nosso sistema, você pode criar dispositivos melhores porque pode explorar novos projetos que nunca foram investigados usando métodos manuais. Talvez existam algumas formas que ainda não foram exploradas por especialistas “, diz Yifei Li, um estudante de pós-graduação em engenharia elétrica e ciência da computação que é o principal autor de um artigo detalhando esse sistema.
Crédito: Yifei Li/MIT CSAIL
Os co-autores incluem Tao Du, um ex-pós-doutorado no Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL), que agora é professor assistente na Universidade de Tsinghua; e o autor sênior Wojciech Matusik, professor de engenharia elétrica e ciência da computação, que lidera o Grupo de Design e Fabricação Computacional da CSAIL; bem como outros na Universidade de Wisconsin em Madison, LightSpeed Studios e Dartmouth College. A pesquisa será apresentada no ACM SIGGRAPH Asia 2022.
Moldando um dispositivo fluídico
O pipeline de otimização dos pesquisadores começa com uma região tridimensional em branco que foi dividida em uma grade de pequenos cubos. Cada um desses cubos 3D, ou voxels, pode ser usado para formar parte da forma de um dispositivo fluídico.
Uma coisa que separa seu sistema de outros métodos de otimização é como ele representa ou “parametriza” esses minúsculos voxels. Os voxels são parametrizados como materiais anisotrópicos, que são materiais que dão respostas diferentes dependendo da direção em que a força é aplicada a eles. Por exemplo, a madeira é muito mais fraca às forças aplicadas perpendicularmente ao grão.
Eles usam esse modelo de material anisotrópico para parametrizar os voxels como inteiramente sólidos (como se encontrariam do lado de fora do dispositivo), totalmente líquidos (o fluido dentro do dispositivo) e voxels que existem na interface sólido-fluido, que têm propriedades de material sólido e líquido.
“Quando você está indo na direção sólida, você quer modelar as propriedades materiais dos sólidos. Mas quando você está indo na direção do fluido, deseja modelar o comportamento dos fluidos. Foi isso que nos inspirou a usar materiais anisotrópicos para representar a interface sólido-fluido. E nos permite modelar o comportamento dessa região com muita precisão”, explica Li.
Seu pipeline computacional também pensa em voxels de maneira diferente. Em vez de usar apenas voxels como blocos de construção 3D, o sistema pode inclinar a superfície de cada voxel e alterar sua forma de maneiras muito precisas. Os voxels podem então ser formados em curvas suaves que permitem designs intrincados.
Uma vez que seu sistema formou uma forma usando voxels, ele simula como o fluido flui através desse projeto e o compara com os objetivos definidos pelo usuário. Em seguida, ajusta o desenho para melhor atender aos objetivos, repetindo esse padrão até encontrar a forma ideal.
Com este projeto em mãos, o usuário pode utilizar a tecnologia de impressão 3D para fabricar o dispositivo.
Demonstrando projetos
Depois que os pesquisadores criaram esse pipeline de design, eles o testaram em relação a métodos de ponta conhecidos como estruturas de otimização paramétrica. Essas estruturas exigem que os projetistas especifiquem com antecedência como acham que a forma do dispositivo deve ser.
“Depois de fazer essa suposição, tudo o que você obterá são variações da forma dentro de uma família de formas”, diz Li. “Mas nossa estrutura não precisa que você faça suposições como essa, porque temos graus de liberdade de design tão altos, representando esse domínio com muitos voxels minúsculos, cada um dos quais pode variar sua forma”.
Em cada teste, sua estrutura superou as linhas de base criando formas suaves com estruturas intrincadas que provavelmente seriam muito complexas para um especialista especificar com antecedência. Por exemplo, ele criou automaticamente um difusor fluídico em forma de árvore que transporta o líquido de uma grande entrada para 16 saídas menores enquanto contorna um obstáculo no meio do dispositivo.
A tubulação também gerou um dispositivo em forma de hélice para criar um fluxo de líquido torcido. Para alcançar essa forma complexa, seu sistema otimizou automaticamente quase 4 milhões de variáveis.
“Fiquei muito satisfeito em ver que nosso oleoduto foi capaz de desenvolver automaticamente um dispositivo em forma de hélice para este tornado de fluido. Essa forma conduziria um dispositivo de alto desempenho. Se você estiver modelando esse objetivo com uma estrutura de forma paramétrica, porque não pode crescer em uma forma tão complexa, o dispositivo final não funcionaria tão bem”, diz ela.
Embora tenha ficado impressionada com a variedade de formas que ele pode gerar automaticamente, Li planeja aprimorar o sistema utilizando um modelo de simulação de fluido mais complexo. Isso permitiria que o pipeline fosse usado em ambientes de fluxo mais complexos, o que permitiria que ele fosse usado em aplicações mais complicadas.
“Este trabalho contribui para o importante problema de automatizar e otimizar o projeto de dispositivos fluídicos, que são encontrados em quase todos os lugares”, diz Karl Willis, gerente sênior de pesquisa da Autodesk Research, que não participou deste estudo. “Isso nos leva um passo mais perto de ferramentas de design generativas que podem reduzir o número de ciclos de design humano necessários e gerar novos designs otimizados e mais eficientes”.
Esta pesquisa foi apoiada, em parte, pela National Science Foundation e pela Defense Advanced Research Projects Agency.
Publicado em 14/12/2022 07h46
Artigo original:
Estudo original: