熱異方性マイクロ構造の物理学誘導型生成逆設計：FEM検証付き条件付きGAN

科学分野:

• 材料科学
• 計算科学
• 工学

背景:

• 材料科学における逆設計問題は、構造と特性の間の非線形関係のために複雑です。
• マイクロ構造設計のための既存のデータ駆動型生成モデルは、物理的な一貫性とスケーラビリティを維持する上で課題に直面しています。

研究 の 目的:

• 特定の物理的特性を持つマイクロ構造を作成するための、物理学誘導型生成逆設計フレームワークを開発すること。
• 物理的な一貫性と実用的な応用を確保する上での現在の方法論の限界に対処すること。

主な方法:

• 有限要素法（FEM）シミュレーションと条件付きWasserstein敵対的生成ネットワーク（GAN）を組み合わせました。
• FEMベースのデータ生成とクローズドループFEM再シミュレーションを通じて物理法則を強制しました。
• 自動化されたスケーラブルな並列実行のために、オープンソースのPython FEMプラットフォームであるFEniCSを利用しました。

主要な成果:

• 所定の方向熱伝導率を持つマイクロ構造を生成し、相対誤差は通常5-10%未満を達成しました。
• 明示的な制約なしに、主要な幾何学的特性を維持するフレームワークの能力を実証しました。
• 並列楕円孔を持つ熱異方性マイクロ構造の逆設計に適用しました。

結論:

• 物理学誘導型生成モデリングは、逆マイクロ構造設計のための実用的で柔軟なアプローチを提供します。
• このフレームワークは、データ駆動型手法と物理法則を効果的に橋渡しし、複雑な工学問題に対応します。
• 検証済みFEMシミュレーションは、生成されたマイクロ構造の精度と信頼性を確認します。