Imperial College London ha sviluppato un framework computazionale per la progettazione inversa di metamateriali meccanici non lineari, cioè strutture artificiali il cui comportamento non dipende solo dal materiale usato, ma soprattutto dalla geometria interna. Lo studio è stato realizzato da Charlie Aveline, Matthew Santer e Robert Hewson del Department of Aeronautics di Imperial College London ed è stato pubblicato su Advanced Engineering Materials, rivista scientifica di Wiley. Il lavoro riguarda l’uso dell’ottimizzazione topologica per generare celle microscopiche capaci di seguire una risposta sforzo-deformazione definita in partenza.
Il punto interessante non è la produzione di un singolo componente, ma il modo in cui si arriva alla sua geometria. In molte applicazioni di stampa 3D si parte da una forma e poi si verifica come quella forma reagisce a compressione, trazione o impatto. Qui il percorso viene ribaltato: si stabilisce prima il comportamento meccanico desiderato e il software cerca una microstruttura capace di ottenerlo.
Che cosa sono i metamateriali meccanici
Un metamateriale meccanico può essere immaginato come un materiale “architettato”: invece di affidarsi solo alle proprietà chimiche o fisiche della materia prima, sfrutta una struttura interna fatta di celle, vuoti, pareti sottili, cerniere flessibili o elementi che entrano in contatto durante la deformazione. Due oggetti realizzati con lo stesso polimero possono quindi comportarsi in modo molto diverso se cambia la loro architettura interna.
È qui che la stampa 3D diventa importante. Le tecnologie additive permettono di realizzare geometrie complesse che sarebbero difficili o poco pratiche con lavorazioni tradizionali. Nei metamateriali, questa libertà geometrica consente di progettare celle che si comprimono, scattano, cambiano configurazione o assorbono energia secondo modalità controllate. Lo studio di Imperial College London si inserisce proprio in questo ambito, con possibili applicazioni in soft robotics, strutture morphing e materiali per l’assorbimento degli urti.
Perché si parla di materiali “non lineari”
Nel linguaggio dell’ingegneria, una risposta lineare è quella in cui il comportamento cresce in modo prevedibile e proporzionale: più carico applico, più deformazione ottengo, seguendo una relazione abbastanza regolare. Nei metamateriali meccanici non lineari, invece, possono avvenire fenomeni più complessi: una struttura può irrigidirsi dopo una certa deformazione, cedere in modo controllato, scattare da una configurazione a un’altra o restare stabile in due posizioni diverse.
Il framework sviluppato da Imperial College London tiene conto di fenomeni come contatto interno, snap-through buckling e bistabilità. Lo snap-through è il passaggio rapido da una configurazione a un’altra dopo il superamento di una soglia critica; la bistabilità indica la capacità di una struttura di mantenere due stati stabili distinti, per esempio una posizione iniziale e una posizione compressa.
Questi comportamenti sono utili quando non si vuole solo un pezzo leggero o resistente, ma un elemento che reagisca in modo programmato. Un assorbitore di energia, per esempio, può essere progettato per limitare il picco di forza durante un impatto. Una struttura per robotica morbida può usare instabilità controllate per muoversi o cambiare forma. Un componente adattivo può passare da una configurazione a un’altra senza motori complessi.
Il ruolo dell’ottimizzazione topologica
L’ottimizzazione topologica è una tecnica di progettazione che distribuisce materiale e vuoti all’interno di uno spazio dato. In questo caso ogni elemento del dominio di progetto riceve un valore di densità compreso tra 0 e 1: 0 indica una zona vuota, 1 indica materiale solido, mentre i valori intermedi rappresentano stati numerici che l’ottimizzazione deve poi spingere verso una geometria più netta.
Il framework parte da obiettivi di risposta meccanica, applica deformazioni alla cella unitaria, risolve l’equilibrio microscopico con analisi agli elementi finiti e confronta gli sforzi omogeneizzati ottenuti con quelli desiderati. A ogni iterazione, la geometria viene aggiornata per avvicinarsi al comportamento impostato. Il flusso utilizza librerie Python open source come Firedrake, pyadjoint e cyipopt.
In altre parole, il progettista non disegna manualmente ogni dettaglio della cella. Definisce una serie di punti-obiettivo nella curva sforzo-deformazione, e il sistema cerca una microstruttura adatta. Questo è importante perché i metamateriali non lineari sono poco intuitivi: piccole modifiche geometriche possono cambiare molto il comportamento del sistema.
Contatto interno: un problema difficile da modellare
Uno degli aspetti più delicati è il contatto interno. Quando una microstruttura si comprime, parti diverse della cella possono avvicinarsi fino a toccarsi. Quel contatto cambia la rigidezza complessiva e può creare plateau, ri-irrigidimento o passaggi di stato. Simulare questo fenomeno è complicato perché le superfici di contatto non sono sempre note in anticipo.
Il metodo usa il cosiddetto third medium contact method, che permette alle regioni simili a vuoti di irrigidirsi quando vengono compresse in modo elevato. In questo modo il modello riesce a trasmettere forze di contatto senza dover definire manualmente tutte le interfacce tra le superfici. Questo approccio è adatto all’ottimizzazione basata su gradienti, perché mantiene una formulazione differenziabile.
Il team ha aggiunto anche vincoli per rendere più realistici i risultati: un limite di volume, una penalizzazione delle densità intermedie e un vincolo di rigidezza a trazione per evitare celle scollegate o strutture che diventano rigide solo dopo il contatto.
Tre comportamenti studiati: pseudo-duttilità, snap-through e bistabilità
Per verificare il metodo, i ricercatori hanno generato celle unitarie capaci di riprodurre tre risposte non lineari sotto compressione.
La prima è una risposta pseudo-duttile: la struttura parte rigida, poi raggiunge una zona in cui la forza resta quasi costante anche se la deformazione aumenta. Questo comportamento è interessante per assorbire energia e ridurre i picchi di carico.
La seconda è una risposta monostabile con snap-through: la cella si ammorbidisce dopo un punto critico di instabilità e poi torna a irrigidirsi. In questo caso la struttura non rimane in una seconda configurazione stabile, ma attraversa una fase di transizione controllata.
La terza è una risposta bistabile: la regione di rigidezza negativa scende sotto l’asse della deformazione, consentendo alla struttura di restare in una seconda configurazione compressa senza mantenere il carico applicato. Questo comportamento è utile per sistemi che devono “memorizzare” una posizione o passare da uno stato all’altro.
I ricercatori sono partiti da un’inizializzazione ad anello e hanno ottenuto geometrie diverse per ciascun obiettivo. Nel caso pseudo-duttile, la cella ha sviluppato sporgenze che entrano in contatto con le pareti laterali durante la compressione; nei casi monostabile e bistabile, invece, sono emerse cerniere sottili e flessibili, più adatte a produrre un passaggio rapido di configurazione.
Tempi di calcolo e uso senza grandi dataset
Un dato pratico riguarda il costo computazionale. Gli autori indicano che ogni ottimizzazione ha richiesto circa otto ore su un Apple MacBook Pro M3 del 2023 con 8 GB di RAM. È un dettaglio utile perché mostra che il metodo non richiede necessariamente infrastrutture di calcolo specialistiche o grandi dataset di addestramento, come avviene in alcune strategie basate su machine learning.
Questo non significa che il metodo sia pronto per l’uso diretto in officina o in un software commerciale. Significa però che un approccio di progettazione inversa, se ben formulato, può generare soluzioni complesse senza costruire in anticipo enormi librerie di celle note. Il lavoro prova anche inizializzazioni con rumore di Perlin per il caso bistabile, ottenendo geometrie finali diverse ma ancora capaci di seguire i punti-obiettivo. Questo suggerisce che più forme possono ottenere comportamenti meccanici simili.
Validazione sperimentale con stampi 3D e silicone
La parte sperimentale è stata condotta usando campioni in silicone prodotti con stampi stampati in 3D. Le geometrie ottimizzate sono state estratte dai campi di densità, riscalate ed estruse per ottenere provini da 70 × 70 × 20 mm. Gli stampi sono stati realizzati in PLA con stampanti FDM commerciali, trattati con distaccante e riempiti con silicone AS40 addition cure. I campioni sono stati lasciati polimerizzare per due giorni.
I provini sono stati compressi a 5 mm/min con una macchina di prova Instron. Il setup è stato costruito per avvicinarsi alle condizioni periodiche usate nelle simulazioni, con celle fissate a blocchi in alluminio e supporti laterali tramite cuscinetti lineari a basso attrito.
I risultati fisici hanno riprodotto i principali comportamenti previsti dal modello: il campione monostabile ha mostrato una buona corrispondenza con la simulazione per gran parte del test; quello bistabile ha dimostrato bistabilità, anche se l’instabilità è comparsa prima del previsto perché le cerniere flessibili non hanno ceduto in modo sincrono. Il campione pseudo-duttile ha mostrato la divergenza maggiore, con un plateau previsto in anticipo dal modello rispetto a quanto osservato nel provino reale.
Limiti del lavoro
Lo studio non va letto come una soluzione definitiva per qualsiasi metamateriale stampato in 3D. I risultati riguardano celle monomateriale testate in condizioni controllate di compressione. Gli autori indicano anche alcuni aspetti da migliorare, tra cui le imperfezioni di fabbricazione e la previsione anticipata del contatto da parte del metodo third medium contact.
La differenza tra simulazione e prova fisica è un punto importante. Nei metamateriali non lineari, il comportamento può dipendere da dettagli molto piccoli: tolleranze dimensionali, attrito, difetti dello stampo, viscosità del materiale, adesione tra superfici, sincronizzazione delle cerniere e condizioni di vincolo. Per questo la stampa 3D è utile, ma non elimina il lavoro sperimentale. Al contrario, rende ancora più importante il collegamento tra modello numerico, processo produttivo e prova meccanica.
Perché interessa alla stampa 3D
Per la stampa 3D il tema è rilevante perché sposta l’attenzione dalla geometria estetica o dalla semplice leggerezza alla funzione programmata. Non si tratta solo di alleggerire un componente, ma di progettare un materiale artificiale che reagisce in un modo definito. La stessa struttura interna può diventare parte della funzione del pezzo.
Applicazioni possibili includono assorbitori di energia, componenti per protezione dagli urti, dispositivi per robotica morbida, strutture adattive, elementi deformabili per aerospazio e possibili impianti o dispositivi biomedicali. Il profilo di Charlie Aveline su Imperial College London collega la sua ricerca anche all’ottimizzazione di strutture per applicazioni aerospaziali e biomedicali, compresa la progettazione di metamateriali stampati in 3D per impianti dispiegabili destinati a chirurgia minimamente invasiva in pazienti con metastasi ossee vertebrali.
Questo non significa che lo studio sia già un prodotto medicale o industriale. Significa che il metodo appartiene a una direzione di ricerca concreta: usare la produzione additiva per realizzare materiali progettati digitalmente, nei quali la microarchitettura controlla la risposta meccanica.
Il contesto più ampio: progettare partendo dalla funzione
Il lavoro di Imperial College London si collega a una tendenza più ampia: passare dalla progettazione di forme alla progettazione di comportamenti. In diversi settori, dalla gestione termica alla robotica, l’additive manufacturing viene usato insieme a ottimizzazione, modellazione multiscala e strumenti computazionali per ottenere proprietà difficili da raggiungere con componenti convenzionali.
Nello stesso contesto, 3D Printing Industry richiama anche un altro studio guidato da Imperial College London con ToffeeX, dedicato all’ottimizzazione multiscala di dissipatori di calore 3D, con riduzioni dichiarate fino al 90% nell’uso di memoria e fino al 70% nei tempi di calcolo rispetto a simulazioni esplicite a singola scala.
Il filo comune è chiaro: per sfruttare davvero la stampa 3D non basta poter produrre geometrie complesse. Servono strumenti che aiutino a trovarle. Nel caso dei metamateriali non lineari, il problema è ancora più difficile perché la geometria non deve solo resistere, ma deformarsi, entrare in contatto, scattare o cambiare stato secondo una sequenza controllata.
Il framework sviluppato da Imperial College London mostra come l’ottimizzazione topologica possa essere usata per generare celle di metamateriali meccanici partendo da una risposta sforzo-deformazione desiderata. La ricerca combina modellazione multiscala, contatto interno, instabilità snap-through e bistabilità, validando le geometrie con provini in silicone ottenuti da stampi FDM in PLA.
Per il settore della stampa 3D, il valore del lavoro sta nel cambio di prospettiva: non progettare prima la forma e poi misurarne il comportamento, ma definire il comportamento e lasciare che l’ottimizzazione proponga la microarchitettura. È una strada ancora di ricerca, con limiti sperimentali e numerici da affrontare, ma offre una direzione concreta per materiali stampabili capaci di assorbire energia, cambiare configurazione e rispondere meccanicamente in modo programmato.
