设计用于瞬态热应用的结构陶瓷：有限元和深度学习
摘要：通过拓扑交织结构，可以制备具有良好热力学和机械性能的陶瓷材料。然而，这一概念的材料设计路径很具挑战性，因为对整个设计空间进行建模既不高效也不可行。我们提出了一种使用机器学习（ML）和有限元分析（FEA）数据来设计高性能结构陶瓷的方法。卷积神经网络（CNN）和多层感知机（MLP）被用作深度学习的方法。我们使用包含各种架构设计参数的有限元分析模拟数据集来训练神经网络，包括学习独立和相关设计参数之间的关系。训练好的网络随后用于预测最佳结构方案。我们对MLP和CNN算法的最佳预测进行有限元分析模拟，以评估我们网络的性能。尽管只有有限的模拟数据可用，我们的网络在预测可能的面板设计的瞬态热力学响应方面是有效的。例如，使用CNN预测后的最佳设计在边缘温度方面有约30%的改善。
作者：Elham Kiyani, Hamidreza Yazdani Sarvestani, Hossein Ravanbakhsh, Razyeh Behbahani, Behnam Ashrafi, Meysam Rahmat, Mikko Karttunen
论文ID：2305.11632
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2023-05-22