相关实验视频
Updated: Aug 10, 2026
11:57
Fabricating Metamaterials Using the Fiber Drawing Method
Published on: October 18, 2012
13.7K
机器学习驱动的,快速,准确和多目标的机械超材料反向设计
Zisheng Zong1, Zhiping Chai1, Xingxing Ke2
1State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology, Wuhan, 430074, China.
Small (Weinheim an der Bergstrasse, Germany)
|May 9, 2025
概括
本研究介绍了一种机器学习方法,用于设计具有多个目标的机械超材料 (MMs). 该方法可以快速准确地为复杂应用 (如鞋类) 设计MM,同时满足各种性能需求.
科学领域:
- 材料科学 材料科学 材料科学
- 机械工程 机械工程
- 计算设计的计算设计.
背景情况:
- 多目标反向设计对于具有多种应用要求的机械元材料 (MMs) 至关重要.
- 像拓优化这样的现有方法通常是缓慢的,不准确的,并且仅限于单个目标.
- 实际应用,如鞋类,需要设计具有独特机械性能的组件.
研究的目的:
- 为机械超材料开发一种快速,准确和多目标的反向设计方法.
- 为MM设计利用机器学习和分级三次周期最小表面 (TPMS) 架构.
- 解决MMs当前单一目标优化技术的局限性.
主要方法:
- 使用了分级三重周期性最小表面 (TPMS) 架构.
- 开发了一种基于机器学习的方法,采用六条平行管道网络.
- 使用深度网络将结构参数映射到反向设计的机械曲线上.
- 根据目标曲线和衍生性能要求选择最佳设计.
主要成果:
- 在测试数据集上实现了2.49%的正常化平方根平均误差 (NRMSE).
- 在几秒钟内展示了设计参数的快速生成.
- 同时成功实现多个设计目标.
- 通过设计可适应的鞋底验证了这一方法.
结论:
- 拟议的机器学习方法使MMs的高效和准确的多目标反向设计成为可能.
- 这种方法克服了传统优化技术的速度和精度限制.
- 这种方法对设计各种领域的定制MM具有实际意义,包括生物力学和鞋类.
