Sebuah tim peneliti dari Universitas Binghamton dan Universitas California – Merced saat ini sedang menyelidiki bagaimana struktur seluler jamur mempengaruhi sifat mekaniknya. Tujuannya adalah untuk mengembangkan pendekatan baru untuk merancang bahan penahan beban yang dapat digunakan dalam pencetakan 3D. Fokusnya terletak pada filamen hifa, yang membentuk apa yang disebut miselium. Struktur seperti benang ini bercabang dan terjalin di dalam jaringan jamur dan memainkan peran kunci dalam bagaimana organisme merespons tekanan mekanis.
Dalam studi mereka, yang diterbitkan dalam jurnal Material Rekayasa Tingkat Lanjutpara peneliti menganalisis arsitektur seluler dari dua spesies jamur: jamur kancing putih yang umum (Agaricus bisporus) dan jamur maitake yang lebih kompleks secara struktural (Grifola frondosa). Sementara Agaricus menunjukkan jaringan hifa yang seragam tanpa orientasi yang disukai, Grifola memiliki dua jenis filamen yang berbeda yang tumbuh secara istimewa terhadap rangsangan lingkungan seperti cahaya dan kelembapan. Dengan menggunakan pemindaian mikroskop elektron, tim ini menghasilkan gambar beresolusi tinggi dan melakukan uji tekanan mekanis pada langkah berikutnya.
“Selanjutnya, langkah pertama melibatkan pengembangan model elemen hingga – kerangka kerja komputasi yang memungkinkan pengujian dan analisis sifat mekanik pada tahap kedua,” kata Mohamed Khalil Elhachimi, MS ’24, seorang mahasiswa PhD di Departemen Teknik Mesin Thomas J. Watson College of Engineering and Applied Science yang berperan sebagai penulis pertama dalam penelitian ini.
Asisten Profesor Mir Jalil Razavi mengatakan: “Fase ketiga adalah desain langsung, jadi kami memiliki model yang memprediksi perilaku mekanik berdasarkan struktur. Dan yang terakhir adalah desain terbalik, di mana kami mendefinisikan sifat mekanik dan model pembelajaran mesin memprediksi struktur yang menunjukkan sifat mekanik ini.”
Tahap selanjutnya adalah mengembangkan model elemen hingga berdasarkan tessellation Voronoi 3D untuk mensimulasikan perilaku mekanik secara detail.
“Desain inversi semacam ini hanya dapat dilakukan dengan model pembelajaran mendalam – misalnya, menghitung 10.000 filamen, lokasi, dan orientasinya,” kata Razavi. “Ini adalah sesuatu yang dapat dilakukan AI setelah kami menjalankan simulasi untuk melatih model.”
Kemajuan dalam pembelajaran mendalam sekarang memungkinkan untuk mensimulasikan perilaku puluhan ribu filamen dengan atribut struktural yang tepat.
“Masih banyak yang bisa kita pelajari dari alam,” kata Razavi. “Kami baru saja memulai penelitian semacam ini.”
Proyek ini mungkin memiliki aplikasi jangka panjang di berbagai sektor seperti konstruksi dan kedirgantaraan.
