Les moteurs à combustion, les hélices et les pompes hydrauliques sont des exemples de dispositifs fluidiques, des instruments qui utilisent des fluides pour exécuter certaines fonctions, telles que la production d’énergie ou le transport de l’eau.
Parce que les dispositifs fluidiques sont si complexes, ils sont généralement développés par des ingénieurs expérimentés qui conçoivent, prototypent et testent manuellement chaque appareil via un processus itératif qui est coûteux, long et laborieux. Mais avec un nouveau système, les utilisateurs n’ont qu’à spécifier les emplacements et les vitesses auxquelles le fluide entre et sort de l’appareil. Le pipeline de calcul génère ensuite automatiquement une conception optimale qui atteint ces objectifs.
Le système pourrait rendre plus rapide et moins cher la conception de dispositifs fluidiques pour toutes sortes d’applications, telles que des laboratoires microfluidiques sur puce qui peuvent diagnostiquer des maladies à partir de quelques gouttes de sang ou des cœurs artificiels qui pourraient sauver la vie de patients transplantés.
Récemment, des outils informatiques ont été développés pour simplifier le processus de conception manuelle, mais ces techniques ont eu des limites. Certains exigeaient qu’un concepteur spécifie à l’avance la forme de l’appareil, tandis que d’autres représentaient des formes à l’aide de cubes 3D, appelés voxels, qui aboutissaient à des conceptions carrées et inefficaces.
Une nouvelle technique de calcul développée par des chercheurs du MIT et d’ailleurs surmonte ces écueils. Leur cadre d’optimisation de conception n’exige pas qu’un utilisateur fasse des hypothèses sur ce à quoi un appareil devrait ressembler. De plus, la forme de l’appareil évolue automatiquement pendant l’optimisation avec des contours lisses plutôt que des limites en blocs et inexactes. Cela permet au système de créer des formes plus complexes que d’autres méthodes.
« Maintenant, vous pouvez effectuer toutes ces étapes de manière transparente dans un pipeline de calcul. Et avec notre système, vous pourriez potentiellement créer de meilleurs appareils car vous pouvez explorer de nouvelles conceptions qui n’ont jamais été étudiées à l’aide de méthodes manuelles. Il y a peut-être des formes qui n’ont pas été encore exploré par des experts », explique Yifei Li, un étudiant diplômé en génie électrique et en informatique qui est l’auteur principal d’un article détaillant ce système.
Les co-auteurs incluent Tao Du, un ancien post-doctorant au Laboratoire d’informatique et d’intelligence artificielle (CSAIL) qui est maintenant professeur adjoint à l’Université Tsinghua ; et l’auteur principal Wojciech Matusik, professeur de génie électrique et d’informatique, qui dirige le groupe de conception et de fabrication informatiques au sein de CSAIL ; ainsi que d’autres à l’Université du Wisconsin à Madison, LightSpeed Studios et Dartmouth College. La recherche sera présentée à ACM SIGGRAPH Asia 2022.
Mise en forme d’un dispositif fluidique
Le pipeline d’optimisation des chercheurs commence par une région vierge en trois dimensions qui a été divisée en une grille de minuscules cubes. Chacun de ces cubes 3D, ou voxels, peut être utilisé pour faire partie de la forme d’un dispositif fluidique.
Une chose qui sépare ce système des autres méthodes d’optimisation est la façon dont il représente (ou « paramètre ») ces minuscules voxels. Les voxels sont paramétrés comme des matériaux anisotropes, c’est-à-dire des matériaux qui donnent des réponses différentes selon la direction dans laquelle la force leur est appliquée. Par exemple, le bois est beaucoup plus faible face aux forces appliquées perpendiculairement au fil.
Les chercheurs utilisent ce modèle de matériau anisotrope pour paramétrer les voxels comme étant entièrement solides (comme on en trouverait à l’extérieur de l’appareil), entièrement liquides (le fluide à l’intérieur de l’appareil) et les voxels qui existent à l’interface solide-fluide, qui ont des propriétés de matière solide et liquide.
« Lorsque vous allez dans la direction solide, vous voulez modéliser les propriétés matérielles des solides. Mais quand vous allez dans la direction fluide, vous voulez modéliser le comportement des fluides. C’est ce qui nous a inspiré à utiliser des matériaux anisotropes pour représenter l’interface solide-fluide. Et cela nous permet de modéliser très précisément le comportement de cette région », explique Li.
Leur pipeline de calcul pense également aux voxels différemment. Au lieu d’utiliser uniquement des voxels comme blocs de construction 3D, le système peut incliner la surface de chaque voxel et modifier sa forme de manière très précise. Les voxels peuvent ensuite être formés en courbes lisses qui permettent des conceptions complexes.
Une fois que leur système a formé une forme à l’aide de voxels, il simule la façon dont le fluide s’écoule à travers cette conception et la compare aux objectifs définis par l’utilisateur. Ensuite, il ajuste le design pour mieux répondre aux objectifs, en répétant ce motif jusqu’à ce qu’il trouve la forme optimale.
Avec cette conception en main, l’utilisateur pourrait utiliser la technologie d’impression 3D pour fabriquer l’appareil.
Démonstration de conceptions
Une fois que les chercheurs ont créé ce pipeline de conception, ils l’ont testé par rapport à des méthodes de pointe connues sous le nom de cadres d’optimisation paramétrique. Ces cadres exigent que les concepteurs spécifient à l’avance ce qu’ils pensent que la forme de l’appareil devrait être.
« Une fois que vous avez fait cette hypothèse, tout ce que vous obtiendrez, ce sont des variations de la forme au sein d’une famille de formes », explique Li. « Mais notre cadre n’a pas besoin que vous fassiez de telles hypothèses car nous avons un degré de liberté de conception si élevé en représentant ce domaine avec de nombreux voxels minuscules, dont chacun peut varier sa forme. »
Dans chaque test, leur cadre a surpassé les lignes de base en créant des formes lisses avec des structures complexes qui auraient probablement été trop complexes pour qu’un expert puisse les spécifier à l’avance. Par exemple, il a automatiquement créé un diffuseur fluidique en forme d’arbre qui transporte le liquide d’une grande entrée vers 16 sorties plus petites tout en contournant un obstacle au milieu de l’appareil.
Le pipeline a également généré un dispositif en forme d’hélice pour créer un flux de liquide torsadé. Pour obtenir cette forme complexe, leur système a automatiquement optimisé près de 4 millions de variables.
« J’étais vraiment ravi de voir que notre pipeline était capable de développer automatiquement un dispositif en forme d’hélice pour ce torsion de fluide. Cette forme entraînerait un dispositif très performant. Si vous modélisez cet objectif avec un cadre de forme paramétrique, car il ne peut pas développer une forme aussi complexe, l’appareil final ne fonctionnerait pas aussi bien », fait remarquer Li.
Bien qu’elle ait été impressionnée par la variété de formes qu’il pouvait générer automatiquement, Li prévoit d’améliorer le système en utilisant un modèle de simulation de fluide plus complexe. Cela permettrait au pipeline d’être utilisé dans des environnements de flux plus complexes, ce qui lui permettrait d’être utilisé dans des applications plus complexes.
Plus d’information:
Yifei Li et al, Optimisation de la topologie fluidique avec un modèle de mélange anisotrope (2022).