Textination Newsline

Forschende haben eine künstliche Intelligenz so trainiert, dass sie die Struktur sogenannter Metamaterialien mit den gewünschten mechanischen Eigenschaften für verschiedene Anwendungsfälle entwerfen kann.

• ETH-Forschende haben mit Hilfe von künstlicher Intelligenz Metamaterialien entworfen, die ungewöhnliche oder außerordentliche Reaktionen auf komplexe Belastungen zeigen.
• Ihr neues KI-Tool entschlüsselt die wesentlichen Merkmale der Mikrostruktur eines Metamaterials und sagt sein Verformungsverhalten präzise voraus.
• Das Tool findet nicht nur optimale Mikrostrukturen, sondern umgeht auch zeitaufwändige technische Simulationen.

Fahrradhelme, die die Energie eines Aufpralls absorbieren, Laufschuhe, die jedem Schritt einen zusätzlichen Schub geben, oder Implantate, die die Eigenschaften von Knochen imitieren. Metamaterialien machen solche Anwendungen möglich. Ihre innere Struktur ist das Ergebnis eines sorgfältigen Designprozesses, wonach 3D-Drucker die generierten Strukturen mit optimierten Eigenschaften herstellen können. Forschende unter der Leitung von Dennis Kochmann, Professor für Mechanik und Materialforschung am Departement für Maschinenbau und Verfahrungstechnik der ETH Zürich, haben neuartige KI-Tools entwickelt. Diese umgehen den zeitaufwändigen und auf Intuition basierenden Designprozess von Metamaterialien und sagen stattdessen Strukturen mit außergewöhnlichen Eigenschaften schnell und automatisiert vorher. Ein Novum ist, dass diese Tools auch für große (sogenannte nichtlineare) Belastungen anwendbar sind, zum Beispiel wenn ein Helm bei einem Aufprall große Kräfte absorbiert.

Kochmanns Team gehört zu den Pionieren bei der Entwicklung kleiner zellulärer Strukturen (vergleichbar mit dem Gebälk in Fachwerkhäusern), um Metamaterialien mit besonderen Eigenschaften zu erschaffen. «Wir entwerfen zum Beispiel Metamaterialien, die sich wie Flüssigkeiten verhalten: schwer zu komprimieren, aber leicht zu verformen. Oder Metamaterialien, die in alle Richtungen schrumpfen, wenn sie in einer Richtung komprimiert werden», erklärt Kochmann.

Effiziente, optimale Materialgestaltung
Die Gestaltungsmöglichkeiten scheinen endlos. Das volle Potenzial von Metamaterialien hat die Wissenschaft allerdings noch lange nicht ausgeschöpft, da der Designprozess oft auf Erfahrung und Trial- and-Error beruht. Zudem können kleine Anpassungen in der Struktur zu großen Veränderungen der Eigenschaften führen.

In ihrer jüngsten Arbeit erkundeten die ETH-Forschenden mithilfe von KI systematisch die zahlreichen Designs und mechanischen Eigenschaften von zwei Metamaterialarten. Ihre Berechnungstools können auf Knopfdruck optimale Strukturen für gewünschte Verformungen vorhersagen. Hierzu verwendeten die Forschenden große Datensätze des Verformungsverhaltens realer Strukturen. Mit diesen trainierten sie ein KI-Modell, das die Daten nicht nur reproduziert, sondern auch neue Strukturen generieren und optimieren kann. Durch den Einsatz einer Methode, die als «Variational Autoencoder» bekannt ist, lernt die KI die wesentlichen Merkmale einer Struktur aus der großen Menge an Designparametern und wie sie zu bestimmten Eigenschaften führen. Sie nutzt anschließend dieses Wissen, um einen Metamaterial-Entwurf zu erstellen, sobald die Forschenden die gewünschten Eigenschaften und Anforderungen angeben.

Bausteine zusammensetzen
Li Zheng, eine Doktorandin in Kochmanns Gruppe, trainierte ein KI-Modell auf Basis eines Datensatzes von einer Million Strukturen und ihrer simulierten Verformung. «Stellen Sie sich eine riesige Kiste mit Legosteinen vor – man kann sie auf unzählige Arten anordnen und lernt mit der Zeit Designprinzipien. Ähnlich geht unsere KI vor, allerdings wesentlich effizienter. Sie setzt die Bausteine von Metamaterialien zusammen, um ihnen eine bestimmte Weichheit oder Härte zu verleihen», sagt Zheng. Im Gegensatz zu früheren Ansätzen, bei denen Forschende einen Katalog von Bausteinen als Grundlage für das Design verwendeten, können sie mit der neuen KI-Methode Bausteine fast beliebig hinzufügen, entfernen oder verschieben. Zusammen mit Sid Kumar, Assistenzprofessor an der TU Delft und ehemaliges Mitglied von Kochmanns Team, zeigten sie in einer kürzlich veröffentlichten Studie, dass das KI-Modell über das hinausgehen kann, wofür es trainiert wurde, und Strukturen vorhersagen kann, die leistungsfähiger sind als alles bisher Generierte.

Von Videos lernen
Jan-Hendrik Bastek, der ebenfalls Doktorand in Kochmanns Gruppe ist, verfolgte einen anderen Ansatz, um ähnliches zu erreichen. Er verwendete eine Methode, die Videodiffusion heißt und auch bei der KI-basierten Videogenerierung benutzt wird: Tippt man «ein Elefant fliegt über Zürich» ein, generiert die KI ein realistisches Video des Tieres, das über der Fraumünsterkirche kreist. Bastek trainierte sein KI-System mit 50’000 Videosequenzen von sich verformenden 3D-druckbaren Metamaterial-Strukturen. «Ich kann der KI die gewünschte Verformung vorgeben und sie produziert ein Video der optimalen Materialstruktur sowie deren vollständige Verformungsreaktion», erklärt Bastek. Bisherige Ansätze haben sich meist darauf beschränkt, ein einziges Bild der optimalen Struktur vorherzusagen. Durch die Nutzung von Videos des gesamten Verformungsprozesses, erhöht sich die Genauigkeit deutlich in solch komplexen Szenarien.

Große Vorteile für Fahrradhelme und Schuhsohlen
Die ETH-Wissenschaftler:innen haben ihre KI-Tools Forschenden auf dem Gebiet der Metamaterialien frei zur Verfügung gestellt. Somit werden sie hoffentlich zum Entwurf vieler neuer und ungewöhnlicher Materialien führen. Die Tools eröffnen neue Wege für die Entwicklung von Schutzausrüstungen wie Fahrradhelmen und für weitere Anwendungen von Metamaterialien von der Medizintechnik bis hin zu weichen Robotern. Sogar Schuhsohlen können so gestaltet werden, dass sie beim Laufen Stöße besser absorbieren oder beim Auftreten einen Schub nach vorne geben. Wird die KI die manuelle Entwicklung von Materialien vollständig ersetzen? «Nein», lacht Kochmann. «Gut eingesetzt kann KI ein hocheffizienter und fleißiger Helfer sein, aber man muss ihr die richtigen Anweisungen geben und sie richtig trainieren – und das erfordert wissenschaftliche Grundlagen und ingenieurwissenschaftliches Knowhow.»

• Für Sport und Physiotherapie

Forschende der ETH Zürich, der Empa und der EPFL entwickeln eine 3D-gedruckte Einlagesohle mit integrierten Sensoren, die das Messen des Sohlendrucks im Schuh und damit während beliebiger Aktivitäten erlaubt. Dies hilft Athletinnen oder Patienten, Leistungs- und Therapiefortschritte zu bestimmen.

Im Spitzensport entscheiden manchmal Sekundenbruchteile zwischen Sieg und Niederlage. Um ihre Leistungen zu optimieren, nutzen Sportlerinnen und Sportler deshalb unter anderem massgefertigte Einlagesohlen. Aber auch Menschen mit Schmerzen des Bewegungsapparates greifen auf Einlagen zurück, um ihre Beschwerden zu bekämpfen.

Um solche Einlagen exakt anzupassen, müssen Fachleute zuerst ein Druckprofil der Füsse erstellen. Dazu müssen Sportler oder Patientinnen barfuss über druckempfindliche Matten gehen, wo sie ihren individuellen Fussabdruck hinterlassen. Aufgrund dieses Druckprofils erstellen Orthopädinnen und Orthopäden dann in Handarbeit individuell passende Einlagen. Optimierungen und Anpassungen brauchen aber Zeit. Weiterer Nachteil: Die druckempfindlichen Matten lassen nur Messungen in einem begrenzten Raum zu, aber nicht während des Trainings oder Outdoor-Aktivitäten.

Nun könnte aber eine Erfindung eines Forschungsteams der ETH Zürich, der Empa und der EPFL die Situation deutlich verbessern: Die Forschenden fabrizierten nämlich mittels 3D-Druck eine massgeschneiderte Einlagesohle mit integrierten Drucksensoren. Damit kann der Fusssohlendruck direkt im Schuh bei verschiedenen Aktivitäten gemessen werden.

«Man kann anhand der ermittelten Druckmuster erkennen, ob jemand geht, läuft, eine Treppe hochsteigt oder gar eine schwere Last am Rücken trägt. Dann verlagert sich der Druck nämlich mehr auf die Ferse», erklärt Co-Projektleiter Gilberto Siqueira, Oberassistent an der Empa und am Labor für komplexe Materialien der ETH Zürich. Mühsame Mattentests sind damit passé. Die Erfindung wurde vor kurzem in der Fachzeitschrift Scientific Reports vorgestellt.

Ein Gerät, mehrere Tinten
Dabei ist aber nicht nur die Benutzung, sondern auch die Herstellung der Einlagesohlen einfach. Samt den integrierten Sensoren und Leiterbahnen werden sie in nur einem Arbeitsgang und nur auf einem 3D-Drucker hergestellt, einem sogenannten Extruder. Zum Drucken verwenden die Forschenden verschiedene Tinten, deren Rezepturen sie eigens für diese Anwendung entwickelt haben. So nutzen die Materialwissenschaftler als Grundlage der Einlagesohle ein Gemisch aus Silikon und Zellulose-Nanopartikeln.

Auf diese erste Schicht drucken sie dann mit einer leitfähigen silberhaltigen Tinte die Leiterbahnen, und auf diese an einzelnen Stellen – mit russhaltiger Tinte – die Sensoren. Die Verteilung der Sensoren ist dabei nicht zufällig: Sie werden genau dort platziert, wo der Fusssohlendruck am stärksten ist. Um die Leiterbahnen und die Sensoren zu schützen, überziehen die Forschenden diese mit einer weiteren Silikonschicht.

Eine anfängliche Schwierigkeit bestand darin, eine gute Haftung der unterschiedlichen Materialschichten zu erzielen. Die Forschenden behandelten deshalb die Oberfläche der Silikonschichten mit einem heissen Plasma.

Die Sensoren sind sogenannte Piezoelemente, die mechanischen Druck in elektrische Signale umwandeln. Sie messen Normal- und Scherkräfte. Die Forschenden haben auch eine Schnittstelle zum Auslesen der generierten Daten in die Sohle eingebaut.

Laufdaten bald drahtlos auslesen
Tests zeigten den Forschenden, dass die additiv gefertigte Einlage gut funktioniert. «Mit einer Datenanalyse können wir also tatsächlich verschiedene Aktivitäten identifizieren, je nachdem, welche Sensoren wie stark angesprochen haben», sagt Projektleiter Siqueira.

Im Moment brauchen er und seine Kolleginnen und Kollegen noch eine Kabelverbindung, um die Daten auszulesen. Seitlich der Einlage haben sie einen Kontakt eingebaut. Einer der nächsten Entwicklungsschritte werde sein, eine drahtlose Verbindung zu schaffen. «Das Auslesen der Daten stand bisher jedoch nicht im Vordergrund unserer Arbeit», betont der Forscher.

Eine solche 3D-gedruckte Einlagesohle mit integrierten Sensoren könnte künftig von Sportlerinnen und Sportlern oder auch in der Physiotherapie genutzt werden, etwa um Trainings- oder Therapiefortschritte zu messen. Auf den Messdaten basierend können dann Trainingspläne angepasst und mittels 3D-Druck permanente Schuheinlagen mit unterschiedlich harten und weichen Zonen fabriziert werden.

Obwohl Siqueira das Marktpotenzial für ihre Entwicklung besonders im Spitzensport als gross einschätzt, hat sein Team bislang noch keine Schritte in Richtung Kommerzialisierung unternommen.

An der Entwicklung der Einlagesohle waren Forschende der Empa, der ETH Zürich und der EPFL beteiligt. EPFL-Forscher Danick Briand koordinierte das Projekt und seine Gruppe steuerte die Sensoren bei, die ETH- und Empa-Forschenden die Entwicklung der Tinten und die Druckplattform. Am Projekt beteiligt waren auch das Universitätsspital Lausanne CHUV und die Orthopädiefirma Numo. Gefördert wurde das Projekt im Rahmen der «Strategic Focus Area» Advanced Manufacturing des ETH-Bereichs.

Alzheimer und andere Demenzerkrankungen gehören heute zu den grossen Volksleiden. Die Diagnose ist aufwändig und wird oft erst spät im Krankheitsverlauf zweifelsfrei gestellt. Ein Forscherteam der Empa entwickelt nun gemeinsam mit klinischen Partnern eine neue Diagnose-Methode zur Früherkennung von neurodegenerativen Veränderungen über einen Sensor-Gurt.

Vergesslichkeit und Verwirrtheit können Anzeichen für ein bisher unheilbares Leiden sein: die Alzheimer Krankheit. Sie ist die häufigste Demenzerkrankung, die derzeit insgesamt rund 50 Millionen Menschen weltweit betreffen. Es erkranken vor allem ältere Menschen. Dass diese Zahl künftig stark zunehmen wird, hängt daher auch mit der allgemein steigenden Lebenserwartung zusammen.

Soll ein Verdacht auf Demenz abgeklärt werden, stehen für die Betroffenen neuropsychologische Untersuchungen, Labortests und aufwändige Prozeduren im Spital an. Doch bereits Jahrzehnte bevor eine verminderte Denkleistung auffällt, sind erste neurodegenerative Veränderungen im Gehirn nachweisbar. Derzeit lassen sich diese lediglich durch teure oder invasive Verfahren feststellen. Für ein ausgedehntes frühzeitiges Screening im grösseren Massstab eignen sich diese Methoden daher nicht. Empa-Forschende arbeiten gemeinsam mit Partnern des Kantonsspital und der Geriatrischen Klinik St. Gallen an einer nicht-invasiven Diagnose-Methode zur frühzeitigen Erkennung von Symptomen einer Demenzerkrankung.

Anzeichen im Unbewussten
Für das neue Verfahren baute das Forscherteam um Patrick Eggenberger und Simon Annaheim vom «Biomimetic Membranes and Textiles» Labor der Empa in St. Gallen auf einen Sensor-Gurt, der bereits erfolgreich für EKG-Messungen eingesetzt und nun mit Sensoren für weitere relevante Parameter wie Körpertemperatur und Gangmuster ausgerüstet wurde. Denn bevor bei einer Demenz das Erinnerungsvermögen nachlässt, tauchen feinste Veränderungen im Gehirn auf, die sich über das autonome Nervensystem, das unbewusste Körpervorgänge steuert, äussern.

Für die präzise Erfassung von Veränderungen dieser Parameter werden Messungen über einen längeren Zeitraum benötigt. «Die Langzeitmessungen sollten in den Alltag integrierbar sein», betont Simon Annaheim. Für alltagstaugliche Messungen sind hautverträgliche und komfortable Messsysteme unabdingbar. Der Diagnostik-Gurt basiert daher auf flexiblen Sensoren mit elektrisch leitfähigen bzw. lichtleitenden Fasern sowie Sensoren für Bewegungs- und Temperaturmessung.

Damit derartigen Langzeitmessungen für die Kontrolle der kognitiven Gesundheit genutzt werden können, werden die erfassten Daten von den Forschenden in eigens entwickelte mathematische Modelle integriert. Das Ziel: ein Frühwarnsystem, das den Verlauf von kognitiven Einschränkungen abschätzen kann. Ein weiterer Vorteil: Die Datenmessungen lassen sich in Telemonitoringlösungen einbinden und können so die Patientenbetreuung in einer gewohnten Umgebung verbessern.

Verdächtige Monotonie
Grundsätzlich ist der menschliche Körper in der Lage, seine Temperatur im Bereich von 1 Grad Celsius konstant zu halten. Im Tagesverlauf treten chrakteristische Schwankungen dieser Werte auf. Dieser tägliche Rhythmus ändert sich im Alter und ist bei neurodegenerativen Krankheiten wie Demenz oder Parkinson auffällig. Bei Alzheimer-Patienten ist beispielsweise die Körperkerntemperatur um bis zu 0.2 Grad Celsius erhöht. Gleichzeitig sind die Ausschläge der täglichen Temperaturschwankungen gedämpft.

In einer aktuellen Studie konnten die Forschenden nun zeigen, dass mit dem Sensor-Gurt gemessene veränderte Hauttemperaturwerte tatsächlich einen Hinweis auf die kognitive Leistungsfähigkeit von Testpersonen geben – und zwar bevor eine Demenzerkrankung auftritt. Unter den Testpersonen der Studien waren gesunde Menschen mit oder ohne leichte Hirnleistungsstörung. Diese milde kognitive Beeinträchtigung (engl. mild cognitive impairment, MCI) stellt keine Behinderung im Alltag dar, sie gilt aber als eine mögliche Vorstufe von Alzheimer. Die Versuchspersonen nahmen an Langzeitmessungen und an neuropsychologischen Tests teil. Es stellte sich heraus, dass eine niedrigere Körpertemperatur, die über den Tag stärker schwankt, mit einer besseren Hirnleistung verknüpft war. Bei Personen mit MCI variierte die Körpertemperatur weniger und war insgesamt leicht erhöht.

Auch der Herzschlag ist natürlichen Schwankungen unterworfen, die zeigen, wie sich unser Nervensystem an momentane Herausforderungen anpasst. Die kleine Stille zwischen zwei Herzschlägen, rund eine Sekunde kurz, hat grosse Aussagekraft für unsere Gesundheit: Bleibt die Pause stets gleich, ist das Nervensystem nicht in Höchstform.

In einer Studie von Forschenden der ETH Zürich wurde ermittelt, dass sich schlechtere Messwerte bei älteren, gesunden Menschen durch ein kognitiv-motorisches Tanztraining innerhalb von sechs Monaten verbessern liessen. Die Versuchspersonen tanzten bei diesen «Exergames» Schrittfolgen eines Videos nach. Teilnehmende, die stattdessen lediglich geradeaus auf einem Laufband trainierten, zudem aber ihr Gedächtnis schulten, profitierten dagegen weniger.

«Es geht darum, mit einem geeigneten Training frühzeitig einzugreifen, sobald sich erste negative Anzeichen messen lassen», sagt Patrick Eggenberger. «Mit unserem Sensor-System lassen sich allfällige Verbesserungen der kognitiven Leistung durch bewegungsbasierte Therapieformen verfolgen.» Über Studien mit Langzeitmessungen soll nun geklärt werden, wie sich anhand der Sensor-Messungen der Verlauf von milden Hirnleistungsstörungen vorhersagen lässt.

Informationen
Dr. Simon Annaheim
Biomimetic Membranes and Textiles
Tel. +41 58 765 77 68
Simon.Annaheim@empa.ch