成大工程科学系助理教授游济华带领研究团队，成功利用人工智能模型预测冷冻铸造中的冰晶结构生成，并能设计冷冻铸造仿生多孔洞材料的所需的孔洞结构，降低设计与制造过程所耗费的人力与时间成本，提升成功率，并开启材料设计新途径，成果获国际期刊《Advance Science》刊登。
游济华表示，冷冻铸造是新兴的仿生多孔洞材料制作法，冰晶结构生成是仿生多孔洞材料「结构」的关键，冷冻铸造仿生多孔洞材料可运用的领域，例如生医骨材等生物材料、油水过滤、空气过滤等环保用途，但无论设计冰晶生成趋势或生成后的铸造都要耗费大量人力和时间，而且变数极大。
现在国内外都有团队投入人工智能冷冻铸造相关研究，但多数做的是预测，提供各种温度、速度等条件，预测冰晶结构生成的结果，成大团队利用人工智能「深度学习」去预测结果，又应用「增强式学习」，让模型具有设计能力，输入指令说明要制作的孔洞结构，模型就能设计出符合「结果」所需要的各式条件。
团队开发预测+设计人工智能模型，游济华指出，模型大幅加速冰晶结构设计过程，一般来说有经验的设计者，至少要花5小时才可能设计出一个冰晶结构生长趋势，人工智能模式2至3分钟就大功告成，至于运算成本，一般的计算机计算若需要2分钟，人工智能只要2秒。
游济华强调，未来将带领团队继续探索人工智能在材料方面的应用、研究更先进的技术，现在冷冻铸造仿生多孔洞材料，孔洞结构都是朝同一方向生成，研究孔洞结构不同的生成方向、探讨添加材料等，都是值得深入的议题。
