多功能格子元材料的自下而上的设计框架.
Zongxin Hu1, Quanqing Tao1, Junhao Ding1
1Department of Mechanical and Automation Engineering, Chinese University of Hong Kong, Hong Kong, SAR, China.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|February 26, 2026
概括
本研究介绍了用于设计多功能格子元材料的生成性AI框架. 人工智能框架能够优化能量和宽带声音吸收,优于传统方法.
科学领域:
- 材料科学与工程 材料科学与工程
- 设计中的人工智能
- 超材料是什么?超材料是什么?
背景情况:
- 对轻量级,多功能格子超材料的需求日益增加.
- 传统的逆向设计方法 (例如,拓优化) 在探索设计空间时的局限性.
- 需要先进的方法来实现复杂的结构设计,以提高性能.
研究的目的:
- 引入一种新的生成人工智能框架,用于晶格元材料的反向设计.
- 为了使外格子结构的设计具有最佳的能量吸收和宽带声音吸收.
- 通过增强设计自由和结构复杂性来克服传统方法的局限性.
主要方法:
- 一个生成性AI框架,将3D高斯语音生成和深度学习结合起来.
- 混合架构:3D卷积神经网络 (CNN) 和条件深卷积生成对抗网络 (cDCGAN) 用于能量吸收预测和生成.
- 为宽带声音吸收调整异质几何形状的遗传算法.
主要成果:
- 设计的外格子结构显示出卓越的多功能性.
- 与传统的外格相比,实现了40%至200%的更高的能量吸收.
- 在宽带宽 (1000-5800 Hz) 中表现出高的平均声音吸收系数 (∼0.7).
结论:
- 提出的生成人工智能框架克服了现有的反向设计方法的缺点.
- 基于物理洞察力的Voxel级模型生成增强了设计能力.
- 在创建先进的多功能晶格元材料方面表现出有效性.


