爱迪生式试错法是一种历史悠久的方法，但其发现过程缓慢且需要大量人力资源，这对清洁能源、环境可持续性、电子和生物医学设备等急需新技术的发展造成了阻碍。

美国圣母大学航空航天与机械工程副教授张艳良表示：“通常发现一种新材料需要10到20年的时间。我相信，如果我们能够将这个时间缩短到不到一年，甚至几个月，将会改变新材料发现和制造的游戏规则。”

而现在，张教授已经做到了这一点，他创造了一种独特的3D打印方法，能够以传统制造无法媲美的方式制造材料。这种新工艺使用单个打印喷嘴混合多种雾化纳米材料墨水，并在打印过程中动态改变墨水的混合比例。这种名为高通量组合打印（HTCP）的方法可以控制打印材料的3D结构和局部成分，并以微尺度空间分辨率制造具有梯度成分和特性的材料。

他的研究成果最近在《自然》杂志上发表。论文链接：https://www.nature.com/articles/s41586-023-05898-9

基于气溶胶的HTCP方法适用于各种金属、半导体、电介质、聚合物和生物材料，其应用范围极为广泛。它能够生成组合材料，每个材料“库”中包含数千种独特的成分。

图 1：HTCP的设计策略，图片来自：《自然》

张教授表示，将组合材料的打印与高通量表征相结合，可以显著加速材料的发现。他的团队已经利用这种方法鉴定出具有出色热电性能的半导体材料，这对于能量收集和冷却应用具有前景。

图2：具有梯度成分的组合材料的快速打印，图片来自：《自然》

除了加速发现，HTCP还能够生产功能分级材料，这些材料逐渐从硬质过渡到软质。这使得它们在生物医学应用中特别有用，可以桥接柔软的组织与坚硬的可穿戴和可植入设备之间的差异。

图3：具有广泛材料选择的HTCP，图片来自：《自然》

在下一阶段的研究中，张教授和先进制造与能源实验室的学生计划将机器学习和人工智能指导策略应用于HTCP的数据丰富特性，以加快广泛的材料发现和开发。

图4：HTCP可实现组合掺杂、功能分级、化学反应和成分微结构，图片来自：《自然》

张教授表示：“未来，我希望能够为材料发现和设备制造开发一种自主和自动化的过程，这样实验室的学生就可以自由地专注于高层次的思考。”

以上是张教授和他的团队通过创新的HTCP方法取得的重要成果。这种方法不仅能够缩短新材料发现的时间，还能够制造具有多样化成分和特性的材料，为清洁能源、环境可持续性、电子和生物医学领域的新技术发展带来了巨大的潜力。

通过将机器学习和人工智能应用于HTCP数据，他们计划进一步加快材料发现的速度，为未来的科学研究和技术创新提供更多可能性。

爱迪生式试错法是一种历史悠久的方法，但其发现过程缓慢且需要大量人力资源，这对清洁能源、环境可持续性、电子和生物医学设备等急需新技术的发展造成了阻碍。

美国圣母大学航空航天与机械工程副教授张艳良表示：“通常发现一种新材料需要10到20年的时间。我相信，如果我们能够将这个时间缩短到不到一年，甚至几个月，将会改变新材料发现和制造的游戏规则。”

而现在，张教授已经做到了这一点，他创造了一种独特的3D打印方法，能够以传统制造无法媲美的方式制造材料。这种新工艺使用单个打印喷嘴混合多种雾化纳米材料墨水，并在打印过程中动态改变墨水的混合比例。这种名为高通量组合打印（HTCP）的方法可以控制打印材料的3D结构和局部成分，并以微尺度空间分辨率制造具有梯度成分和特性的材料。

他的研究成果最近在《自然》杂志上发表。论文链接：https://www.nature.com/articles/s41586-023-05898-9

基于气溶胶的HTCP方法适用于各种金属、半导体、电介质、聚合物和生物材料，其应用范围极为广泛。它能够生成组合材料，每个材料“库”中包含数千种独特的成分。

图 1：HTCP的设计策略，图片来自：《自然》

张教授表示，将组合材料的打印与高通量表征相结合，可以显著加速材料的发现。他的团队已经利用这种方法鉴定出具有出色热电性能的半导体材料，这对于能量收集和冷却应用具有前景。

图2：具有梯度成分的组合材料的快速打印，图片来自：《自然》

除了加速发现，HTCP还能够生产功能分级材料，这些材料逐渐从硬质过渡到软质。这使得它们在生物医学应用中特别有用，可以桥接柔软的组织与坚硬的可穿戴和可植入设备之间的差异。

图3：具有广泛材料选择的HTCP，图片来自：《自然》

在下一阶段的研究中，张教授和先进制造与能源实验室的学生计划将机器学习和人工智能指导策略应用于HTCP的数据丰富特性，以加快广泛的材料发现和开发。

图4：HTCP可实现组合掺杂、功能分级、化学反应和成分微结构，图片来自：《自然》

张教授表示：“未来，我希望能够为材料发现和设备制造开发一种自主和自动化的过程，这样实验室的学生就可以自由地专注于高层次的思考。”

以上是张教授和他的团队通过创新的HTCP方法取得的重要成果。这种方法不仅能够缩短新材料发现的时间，还能够制造具有多样化成分和特性的材料，为清洁能源、环境可持续性、电子和生物医学领域的新技术发展带来了巨大的潜力。

通过将机器学习和人工智能应用于HTCP数据，他们计划进一步加快材料发现的速度，为未来的科学研究和技术创新提供更多可能性。