不規則な単位セルを用いたプログラム可能な機械的特性を持つ3D NPR格子材料のAI支援設計

科学分野:

• 材料科学と工学
• 計算材料設計
• メタマテリアル

背景:

• 負のポアソン比（NPR）を持つ格子材料は、独自の機械的特性を提供する。
• 従来の周期的な格子設計は異方性の可能性を制限する。不規則な構造は設計上の課題をもたらす。
• 特定のメタマテリアル特性のために不規則な格子セルの形状を最適化することは複雑である。

研究 の 目的:

• 不規則な3D格子セルにおける異方性負のポアソン比（NPR）とエネルギー吸収を最適化するためのAI駆動フレームワークを開発する。
• 調整された機械的応答を持つ3D格子メタマテリアルの逆設計を可能にする。

主な方法:

• パラメータ最適化のためにディープニューラルネットワークと遺伝的アルゴリズムを組み合わせたハイブリッドAIアプローチを利用した。
• 微細スケールおよび巨視スケールの3Dプリンティングを用いて最適化された不規則な3D格子セルを製造した。
• 微小デジタル画像相関（DIC）分析とともに、in situおよび準静的圧縮試験を実施した。

主要な成果:

• 多様な材料とスケールにわたるプログラム可能な負のポアソン比（NPR）効果を検証した。
• 圧縮構造における変形を支配するひずみ局在パターンと座屈不安定性を特定した。
• 不規則な単位セルベースのメタマテリアルの逆設計能力を実証した。

結論:

• AIフレームワークは、不規則な3D格子メタマテリアルにおける異方性NPRとエネルギー吸収を効果的に最適化する。
• 実験的検証は、プログラム可能な機械的特性を確認し、変形メカニズムに関する洞察を提供する。
• このアプローチは、軽量構造とエネルギー吸収用途のための高度な材料設計に新たな道を開く。