通过生成建模统一桁架超材料的设计空间
摘要：机器学习的兴起推动了新材料的发现，特别是超材料——其中梁格点是其最突出的类别。虽然人们已经广泛探索了其可调节的特性，但梁格点超材料的设计仍然非常有限且常常是启发式的，这是由于庞大的离散设计空间和缺乏全面参数化。我们在这里提出了一种基于图的深度学习生成框架，将变分自编码器和属性预测器结合起来，构建了一个包含各种梁的缩减连续潜在表示，覆盖了巨大的范围。这个统一的潜在空间使得通过简单的操作（如遍历潜在空间或结构之间的插值）能够快速生成新的设计。我们进一步展示了一个针对定制特性逆向设计梁的优化框架，包括特别刚性、奥克棱形和五模式等设计。这个生成模型可以预测超出训练领域的具有极端目标特性的可制造（和反直觉的）设计。
作者：Li Zheng, Siddhant Kumar, Dennis M. Kochmann
论文ID：2306.14773
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2023-06-27