《宾夕法尼亚大学开发3D打印超韧钢》

  • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
  • 编译者: 冯瑞华
  • 发布时间:2021-03-08
  • 在不少科幻游戏中,很多坦克、飞机等大型武器只需工厂简简单单就能生产出来,然而现实上这类武器的制造是一个复杂的事情,近期美国宾夕法尼亚大学的研究人员正在研究3D打印高强度合金的方法,用于制造坦克、舰船船体等需要高强度防爆保护的物体。

    在国防应用方面,3D打印作为按需制造备件的一种方式显示出了特殊的潜力,这可能对战场上孤立的士兵有利。结果,国防部委托ExOne开发了一个“便携式3D打印工厂”,该工厂能够在世界任何地方生产备件。

    同样,美国陆军先前已经购买了Rize One 3D打印机用于按需生产,并采用了MELD Manufacturing技术来维修移动中的军用车辆。但是,可靠性方面的问题继续阻止军方内附加零件的进一步推广,因为它们通常需要证明是防弹的才能使其在最终使用场景中有用。

    为了解决这个问题,美国陆军研究实验室(ARL)选择采用机器学习(ML),以更好地了解零件磨损。例如,ARL最近部署了Senvol的ML软件来评估3D打印导弹部件的功效,并且使用类似的模拟,宾夕法尼亚州立大学的工程师现在正在寻求对他们基于合金的方法进行认证,尽管适用于大幅面应用。

    显然,坚固的3D打印金属零件在军事屏蔽方面具有巨大潜力,但某些高性能合金可能难以加工。特别是,与常规材料相比,高级钢更容易开裂,并且焊接性低,从而限制了其与国防相关的应用。

    为了解决这个问题,Basak现在打算与该项目的首席研究员托德·帕尔默(Todd Palmer)合作,开发一种优化的电焊生产工艺。与粉料喂养的机器相反,工程师们希望采用基于焊丝的方法可以使它们使该过程更具成本效益,同时也减少了材料浪费。

    根据Palmer的说法,宾夕法尼亚州立大学处于进行研究的独特位置:“我们围绕AM的垂直整合是宾夕法尼亚州立大学的真正优势,” Palmer说。“我们在实验方面以及材料,数值方法和机器学习方面都有专家。那就是使我们与众不同的地方:我们可以将这些人跨学科汇聚在一起。”

    在项目本身期间,团队将设置为使用计算机建模来测试和完善其过程的参数,然后再模拟最终零件的性能。一旦完善,工程师们便着眼于实际评估他们的方法,使用宾州州立大学的机器创建大幅面的测试零件,并生成实验数据,这些数据可能被证明对将来的最终用途军事场景有用。

    对于Basak而言,能够使用Penn State丰富的3D打印资源对于证明其方法的有效性至关重要。“在这个项目中,我们正在探索非常大的结构,”巴萨克总结说。“如果我们没有足够大的3D打印机来创建这些打印机,我们将无能为力。但是我们有很多,我们将需要他们全部来成功完成该项目。”

相关报告
  • 《前沿 | 宾夕法尼亚大学开发光学芯片来处理人工智能的复杂数学》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:husisi
    • 发布时间:2024-02-23
    • 宾夕法尼亚大学的工程师开发了一种新的光学芯片,用于执行训练AI所必需的复杂数学运算。其开发人员表示,该芯片有可能“从根本上加快计算机的处理速度,同时降低其能耗”。 基于硅光子学的芯片的设计汇集了本杰明·富兰克林奖章获得者和 H. Nedwill Ramsey 教授 Nader Engheta 在纳米尺度操纵材料方面的开创性研究,以利用 SiPh 平台使用光进行数学计算。 宾夕法尼亚大学的声明说,“光波与物质的相互作用代表了开发计算机的一种可能途径,这些计算机取代了当今芯片的局限性,这些芯片基本上基于与1960年代计算革命早期的芯片相同的原理”。 在Nature Photonics的一篇论文中,Engheta的团队与电气和系统工程副教授Firooz Aflatouni的团队一起描述了新芯片的开发。“我们决定联手,”Engheta说,利用Aflatouni的研究小组开创了纳米级硅器件的事实。 他们的目标是开发一个平台来执行所谓的向量矩阵乘法,这是神经网络开发和功能的核心数学运算,神经网络是当今人工智能工具的计算机架构。 Engheta说,而不是使用高度均匀的硅晶圆。“你使硅更薄,比如150纳米,”但仅限于特定区域。这些高度的变化 - 不添加任何其他材料 - 提供了一种控制光通过芯片传播的方法,因为高度的变化可以分布以导致光以特定模式散射,从而允许芯片以光速进行数学计算。 Aflatouni说,由于生产芯片的商业代工厂施加的限制,这种设计已经准备好用于商业应用,并可能适用于图形处理单元,随着对开发新AI系统的广泛兴趣,对图形处理单元的需求猛增。 “他们可以采用硅光子学平台作为附加组件,”Aflatouni说,“然后你可以加快训练和分类速度。 除了更快的速度和更低的能耗外,Engheta和Aflatouni的芯片还具有隐私优势:由于许多计算可以同时进行,因此无需将敏感信息存储在计算机的工作内存中,这使得由这种技术驱动的未来计算机几乎无法破解。“没有人可以侵入不存在的内存来访问你的信息,”Aflatouni说。
  • 《美国宾夕法尼亚大学开发出后端兼容的铁电场效应晶体管》

    • 来源专题:集成电路
    • 编译者:李衍
    • 发布时间:2023-05-25
    • 垂直堆叠、密集、高效和紧密集成的存算一体架构因可克服数据存储和处理瓶颈而备受关注。与传统计算存储器体系结构相比,在前道(front end of line,FEOL)工艺直接垂直堆叠存储器阵列可以在面密度和能效方面提供巨大优势并降低延迟。在单个处理单元级别上,这种方案需要快速、可靠和低能耗的非易失性存储器(NVM)且容易实现晶体管集成,从而推动了与后道工序(back-end-of-line,BEOL)兼容的材料和设备的需求。因此,NVM器件和硅基CMOS逻辑器件的单片式三维(monolithic three-dimensional, M3D)集成是可行的技术路径。 随着HfxZr1-xO2(HZO)等铁电材料不断发展,铁电场效应晶体管(FE-FET)因其可进行无损读取操作的特性,被视为M3D集成中最有前途、最紧凑、最节能的NVM候选者之一。 美国宾夕法尼亚大学的研究团队利用二硫化钼(MoS2)沟道和铝钪氮(AlScN)铁电材料,通过晶圆级可扩展工艺制备了后端兼容的铁电场效应晶体管(FE-FETs)[1]。在约80nm沟道长度下,实验展示了记忆窗口大于7.8V、开关比大于107、导通电流密度大于250μA/um的超大阵列铁电场效应晶体管,并显示出长达10年的稳定保持力。该研究成果为二维半导体存储器与硅基CMOS逻辑器件的三维异质集成技术开辟了一条新道路。 [1] Kwan-Ho Kim, Seyong Oh, Merrilyn Mercy Adzo Fiagbenu, et al. Scalable CMOS back-end-of-line-compatible AlScN/two-dimensional channel ferroelectric field-effect transistors, Nature Nanotechnology, 2023. https://www.nature.com/articles/s41565-023-01399-y