机械元材料的智能设计:基于GCNN的结构基因组数据库方法
Wenyu Hao1, Zongliang Du1,2, Xiuquan Hou3
1State Key Laboratory of Structural Analysis, Optimization and CAE Software for Industrial Equipment, Department of Engineering Mechanics, Dalian University of Technology, Dalian 116023, China.
National science review
|March 18, 2025
概括
本研究引入了一个结构基因组数据库 (SGD),用于高效地设计机械超材料. 该SGD方法加速发现具有定制性质的先进材料,如辅助性行为和增强的曲强度.
科学领域:
- 材料科学 材料科学 材料科学
- 计算力学 计算力学 计算力学
- 人工智能的人工智能
背景情况:
- 智能材料设计需要了解单元细胞中的几何-属性关系.
- 这种映射的古典方法是计算密集且有限的.
- 具有特定机械性能的先进材料有很高的需求.
研究的目的:
- 开发一种高效准确的方法,将单元细胞几何图形映射到材料特性.
- 为反向材料设计引入结构基因组数据库 (SGD) 方法.
- 为了证明SGD设计新型机械元材料的能力.
主要方法:
- 使用图形卷积神经网络 (GCNN) 进行几何特征映射.
- 开发了一个结构性基因组数据库 (SGD),整合了GCNN的预测.
- 员工转移学习用于预测非本地行为和优化设计.
主要成果:
- 在设计效率方面取得了3-4个数量级的改进.
- 成功设计了具有目标性质的超材料:哈辛-施特里克曼上限,辅助性行为和单模性质.
- 证明了增强的临界曲强度 (近200%) 和显著的相对带隙宽 (51%).
结论:
- 拟议的SGD方法可以快速准确地设计机械元材料的反向设计.
- 实验验证证证实了设计的元材料的辅助性行为和优越的抗性.
- 总体服务系统 (SGD) 方法显示了多尺度和多物理系统设计的巨大潜力.
