通过视频去噪扩散模型反设计非线性机械超材料
摘要：复杂材料性能的加速逆向设计——如识别在非线性形变路径上具有给定应力应变响应的材料——对于解决软机器人、生物医学植入物和冲击缓解等挑战具有巨大潜力。虽然机器学习模型已经提供了这种逆向映射，但通常只限于线性目标性能，如刚度。为了调整非线性响应，我们在这里展示了利用视频扩散生成模型在周期性随机细胞结构的全场数据训练可以成功预测和调节其在大应变范围内的非线性变形和应力响应，包括屈曲和接触。与常见的黑匣子模型不同，我们的框架在本质上提供了预期的变形路径估计，包括与有限元模拟密切一致的全场内部应力分布。因此，这项工作有潜力简化和加速复杂目标性能材料的识别。
作者：Jan-Hendrik Bastek and Dennis M. Kochmann
论文ID：2305.19836
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2023-06-01