論文の概要: Deep Generative Modeling for Mechanistic-based Learning and Design of
Metamaterial Systems
- arxiv url: http://arxiv.org/abs/2006.15274v2
- Date: Wed, 16 Sep 2020 16:01:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-16 07:43:07.567726
- Title: Deep Generative Modeling for Mechanistic-based Learning and Design of
Metamaterial Systems
- Title(参考訳): 機械系学習のための深層生成モデリングとメタマテリアルシステムの設計
- Authors: Liwei Wang, Yu-Chin Chan, Faez Ahmed, Zhao Liu, Ping Zhu, Wei Chen
- Abstract要約: 深部生成モデルに基づく新しいデータ駆動メタマテリアル設計フレームワークを提案する。
本研究では,VAEの潜伏空間が,形状類似度を測定するための距離メートル法を提供することを示す。
機能的グレードとヘテロジニアスなメタマテリアルシステムの両方を設計することで、我々のフレームワークを実証する。
- 参考スコア(独自算出の注目度): 20.659457956055366
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Metamaterials are emerging as a new paradigmatic material system to render
unprecedented and tailorable properties for a wide variety of engineering
applications. However, the inverse design of metamaterial and its multiscale
system is challenging due to high-dimensional topological design space,
multiple local optima, and high computational cost. To address these hurdles,
we propose a novel data-driven metamaterial design framework based on deep
generative modeling. A variational autoencoder (VAE) and a regressor for
property prediction are simultaneously trained on a large metamaterial database
to map complex microstructures into a low-dimensional, continuous, and
organized latent space. We show in this study that the latent space of VAE
provides a distance metric to measure shape similarity, enable interpolation
between microstructures and encode meaningful patterns of variation in
geometries and properties. Based on these insights, systematic data-driven
methods are proposed for the design of microstructure, graded family, and
multiscale system. For microstructure design, the tuning of mechanical
properties and complex manipulations of microstructures are easily achieved by
simple vector operations in the latent space. The vector operation is further
extended to generate metamaterial families with a controlled gradation of
mechanical properties by searching on a constructed graph model. For multiscale
metamaterial systems design, a diverse set of microstructures can be rapidly
generated using VAE for target properties at different locations and then
assembled by an efficient graph-based optimization method to ensure
compatibility between adjacent microstructures. We demonstrate our framework by
designing both functionally graded and heterogeneous metamaterial systems that
achieve desired distortion behaviors.
- Abstract(参考訳): メタマテリアルは新しいパラダイム素材システムとして登場し、様々なエンジニアリングアプリケーションで前例のない、カスタマイズ可能な特性を生み出している。
しかし,メタマテリアルとそのマルチスケールシステムの逆設計は,高次元トポロジカルデザイン空間,複数局所最適化,高計算コストにより困難である。
これらのハードルに対処するために,深部生成モデルに基づく新しいデータ駆動型メタマテリアル設計フレームワークを提案する。
特性予測のための変分オートエンコーダ(vae)とレグレッシャ(reressor)を同時に大きなメタマテリアルデータベースに訓練し、複雑な微細構造を低次元で連続的で組織化された潜在空間にマッピングする。
本研究では,VAEの潜伏空間が形状類似度を測り,微構造間の補間を可能にし,測地や特性の有意な変動パターンを符号化する距離測定値を提供することを示す。
これらの知見に基づき, マイクロ構造, グレードファミリー, マルチスケールシステムの設計において, 系統的データ駆動方式を提案する。
ミクロ組織設計では, 潜時空間における単純なベクトル操作により, 機械的特性のチューニングや複雑な組織操作が容易に行える。
ベクトル演算はさらに拡張され、構築されたグラフモデルを用いて機械的特性を制御したメタマテリアルファミリーを生成する。
マルチスケールのメタマテリアルシステム設計では、異なる位置のターゲット特性に対してVAEを用いて多様なマイクロ構造を迅速に生成し、隣接するマイクロ構造間の互換性を確保するために効率的なグラフベースの最適化手法で組み立てることができる。
所望の歪み挙動を実現する機能的グレードとヘテロジニアスなメタマテリアルシステムの設計により,我々の枠組みを実証する。
関連論文リスト
- Guided Diffusion for Fast Inverse Design of Density-based Mechanical
Metamaterials [43.780353583539785]
本稿では, ボクセルをベースとしたメカニカルメタマテリアルを生成するために, コアが高度な深層生成AIアルゴリズムである高速逆設計法を提案する。
具体的には, 1283ドルの分解能を持つマイクロ構造を生成できる自己条件拡散モデルを用いて, 特定の均質化行列にわずか3秒でアプローチする。
論文 参考訳(メタデータ) (2024-01-24T16:31:50Z) - Mechanical Characterization and Inverse Design of Stochastic Architected
Metamaterials Using Neural Operators [2.4918888803900727]
機械学習は、建築された材料の設計のための変革的なツールとして登場しつつある。
ここでは、ディープニューラル演算子(DeepONet)を活用した、エンドツーエンドの科学MLフレームワークを紹介する。
2光子リソグラフィーを用いて印刷した脊椎の微細構造から得られた結果,機械的応答の予測誤差が5~10%の範囲内であることが判明した。
論文 参考訳(メタデータ) (2023-11-23T05:23:15Z) - Multi-objective Generative Design of Three-Dimensional Composite
Materials [12.258353990252312]
本稿では,3次元複合構造物の逆設計を実現するために,ワッサーシュタイン生成対向ネットワーク(MDWGAN)について報告する。
本フレームワークは, 各種構造の特徴を保ちながら, 生成したコンポジットの特性を多面的に調整することができる。
論文 参考訳(メタデータ) (2023-02-26T17:45:44Z) - DA-VEGAN: Differentiably Augmenting VAE-GAN for microstructure
reconstruction from extremely small data sets [110.60233593474796]
DA-VEGANは2つの中心的なイノベーションを持つモデルである。
$beta$-variational autoencoderはハイブリッドGANアーキテクチャに組み込まれている。
このアーキテクチャに特化して、独自の差別化可能なデータ拡張スキームが開発されている。
論文 参考訳(メタデータ) (2023-02-17T08:49:09Z) - SIM-Trans: Structure Information Modeling Transformer for Fine-grained
Visual Categorization [59.732036564862796]
本稿では,オブジェクト構造情報を変換器に組み込んだSIM-Trans(Structure Information Modeling Transformer)を提案する。
提案した2つのモジュールは軽量化されており、任意のトランスフォーマーネットワークにプラグインでき、エンドツーエンドで容易に訓練できる。
実験と解析により,提案したSIM-Transが細粒度視覚分類ベンチマークの最先端性能を達成することを示した。
論文 参考訳(メタデータ) (2022-08-31T03:00:07Z) - How to See Hidden Patterns in Metamaterials with Interpretable Machine
Learning [82.67551367327634]
我々は,材料単位セルのパターンを見つけるための,解釈可能な多分解能機械学習フレームワークを開発した。
具体的には、形状周波数特徴と単位セルテンプレートと呼ばれるメタマテリアルの2つの新しい解釈可能な表現を提案する。
論文 参考訳(メタデータ) (2021-11-10T21:19:02Z) - Redefining Neural Architecture Search of Heterogeneous Multi-Network
Models by Characterizing Variation Operators and Model Components [71.03032589756434]
複素領域における異なる変動演算子の効果について検討する。
モデルの複雑さと性能に影響を及ぼす変化演算子と、それを構成する異なる部分の質を推定する様々な指標に依存するモデルの両方を特徴付ける。
論文 参考訳(メタデータ) (2021-06-16T17:12:26Z) - Data-Driven Multiscale Design of Cellular Composites with Multiclass
Microstructures for Natural Frequency Maximization [14.337297795182181]
本稿では,データ駆動型トポロジ最適化(TO)手法を提案する。
このフレームワークは、熱コンプライアンスや動的応答最適化など、他のマルチスケールTO問題にも容易に拡張できる。
論文 参考訳(メタデータ) (2021-06-11T15:59:33Z) - S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。
我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
論文 参考訳(メタデータ) (2020-07-13T17:44:30Z) - Data-Driven Topology Optimization with Multiclass Microstructures using
Latent Variable Gaussian Process [18.17435834037483]
メタマテリアルの微細構造ライブラリーのための多応答潜在変数ガウス過程 (LVGP) モデルを開発した。
MR-LVGPモデルでは、混合変数の応答に対する集合的影響に基づいて、混合変数を連続的な設計空間に埋め込む。
マイクロ構造, マクロ構造に対する一貫した負荷伝達経路により, マルチクラスのマイクロ構造を考えることで, 性能の向上が期待できることを示す。
論文 参考訳(メタデータ) (2020-06-27T03:55:52Z) - Intelligent multiscale simulation based on process-guided composite
database [0.0]
本稿では、プロセスモデリング、材料均質化、機械学習に基づく統合データ駆動モデリングフレームワークを提案する。
我々は, 自動車, 航空宇宙, エレクトロニクス産業において重要な材料システムとして認識されてきた, 射出成形した短繊維強化複合材料に興味を持っている。
論文 参考訳(メタデータ) (2020-03-20T20:39:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。