論文の概要: FFT-based surrogate modeling of auxetic metamaterials with real-time prediction of effective elastic properties and swift inverse design
- arxiv url: http://arxiv.org/abs/2408.13532v1
- Date: Sat, 24 Aug 2024 09:20:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-27 19:09:24.495784
- Title: FFT-based surrogate modeling of auxetic metamaterials with real-time prediction of effective elastic properties and swift inverse design
- Title（参考訳）: 実効弾性特性のリアルタイム予測と高速逆設計によるFFT系メタマテリアルのサロゲートモデリング
- Authors: Hooman Danesh, Daniele Di Lorenzo, Francisco Chinesta, Stefanie Reese, Tim Brepols,
- Abstract要約: 軸構造は、その基盤となる構造形状と基材特性に強く影響される効果的な弾性特性を示す。
軸単位細胞の周期的均質化はこれらの特性を調べるのに利用できるが、計算コストが高く、設計空間の探索に制限がある。
本稿では, 補助単位細胞の有効弾性特性をリアルタイムに予測するサロゲートモデルを開発した。
- 参考スコア（独自算出の注目度）: 1.3980986259786223
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Auxetic structures, known for their negative Poisson's ratio, exhibit effective elastic properties heavily influenced by their underlying structural geometry and base material properties. While periodic homogenization of auxetic unit cells can be used to investigate these properties, it is computationally expensive and limits design space exploration and inverse analysis. In this paper, surrogate models are developed for the real-time prediction of the effective elastic properties of auxetic unit cells with orthogonal voids of different shapes. The unit cells feature orthogonal voids in four distinct shapes, including rectangular, diamond, oval, and peanut-shaped voids, each characterized by specific void diameters. The generated surrogate models accept geometric parameters and the elastic properties of the base material as inputs to predict the effective elastic constants in real-time. This rapid evaluation enables a practical inverse analysis framework for obtaining the optimal design parameters that yield the desired effective response. The fast Fourier transform (FFT)-based homogenization approach is adopted to efficiently generate data for developing the surrogate models, bypassing concerns about periodic mesh generation and boundary conditions typically associated with the finite element method (FEM). The performance of the generated surrogate models is rigorously examined through a train/test split methodology, a parametric study, and an inverse problem. Finally, a graphical user interface (GUI) is developed, offering real-time prediction of the effective tangent stiffness and performing inverse analysis to determine optimal geometric parameters.
- Abstract（参考訳）: 負ポアソン比で知られる公理構造は、その基盤となる構造幾何学と基底材料特性に強く影響される効果的な弾性特性を示す。
軸単位細胞の周期的均質化はこれらの特性の研究に利用できるが、計算コストが高く、設計空間の探索や逆解析に制限がある。
本稿では,異なる形状の直交ヴォイドを持つ補助単位細胞の有効弾性特性をリアルタイムに予測するための代理モデルを開発した。
単位細胞は、長方形、ダイヤモンド、楕円形、ピーナッツ形のヴォイドを含む4つの異なる形状の直交ヴォイドを特徴とする。
生成したサロゲートモデルは、ベース材料の幾何学的パラメータと弾性特性を入力として受け入れ、有効弾性定数をリアルタイムで予測する。
この迅速な評価により、所望の有効応答をもたらす最適な設計パラメータを得るための実用的な逆解析フレームワークが実現される。
高速フーリエ変換(FFT)に基づくホモジェナイゼーション手法を用いて、周期メッシュの生成や有限要素法(FEM)に典型的に関連する境界条件への懸念を回避し、サロゲートモデルを開発するためのデータを効率的に生成する。
生成したサロゲートモデルの性能について,列車/テスト分割手法,パラメトリックスタディ,逆問題を用いて厳密に検討した。
最後に,グラフィカルユーザインタフェース(GUI)を開発し,有効接点剛性のリアルタイム予測と,最適パラメータを決定するための逆解析を行う。
関連論文リスト
- Scaling and renormalization in high-dimensional regression [72.59731158970894]
本稿では,様々な高次元リッジ回帰モデルの訓練および一般化性能の簡潔な導出について述べる。
本稿では,物理と深層学習の背景を持つ読者を対象に,これらのトピックに関する最近の研究成果の紹介とレビューを行う。
論文 参考訳（メタデータ） (2024-05-01T15:59:00Z) - HomoGenius: a Foundation Model of Homogenization for Rapid Prediction of Effective Mechanical Properties using Neural Operators [12.845932824311182]
均質化(homogenization)は、多スケールの物理現象を研究するための重要なツールである。
本稿では,演算子学習に基づく数値ホモジェナイゼーションモデルを提案する。
提案したモデルでは、任意の測地、材料、解像度に対して、迅速に均質化結果を提供することができる。
論文 参考訳（メタデータ） (2024-03-18T06:47:35Z) - Molecule Design by Latent Prompt Transformer [76.2112075557233]
本研究は、分子設計の課題を条件付き生成モデリングタスクとしてフレーミングすることによって検討する。
本研究では,(1)学習可能な事前分布を持つ潜伏ベクトル,(2)プロンプトとして潜伏ベクトルを用いる因果トランスフォーマーに基づく分子生成モデル,(3)潜在プロンプトを用いた分子の目標特性および/または制約値を予測する特性予測モデルからなる新しい生成モデルを提案する。
論文 参考訳（メタデータ） (2024-02-27T03:33:23Z) - Discovering Interpretable Physical Models using Symbolic Regression and
Discrete Exterior Calculus [55.2480439325792]
本稿では,記号回帰(SR)と離散指数計算(DEC)を組み合わせて物理モデルの自動発見を行うフレームワークを提案する。
DECは、SRの物理問題への最先端の応用を越えている、場の理論の離散的な類似に対して、ビルディングブロックを提供する。
実験データから連続体物理の3つのモデルを再発見し,本手法の有効性を実証する。
論文 参考訳（メタデータ） (2023-10-10T13:23:05Z) - Geometric Neural Diffusion Processes [55.891428654434634]
拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。
これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
論文 参考訳（メタデータ） (2023-07-11T16:51:38Z) - Conditional Korhunen-Lo\'{e}ve regression model with Basis Adaptation
for high-dimensional problems: uncertainty quantification and inverse
modeling [62.997667081978825]
本稿では,物理系の観測可能な応答のサロゲートモデルの精度を向上させる手法を提案する。
本研究では,定常水理応答のBasis Adaptation (BA)法による代理モデル構築に提案手法を適用した。
論文 参考訳（メタデータ） (2023-07-05T18:14:38Z) - Physics-informed UNets for Discovering Hidden Elasticity in
Heterogeneous Materials [0.0]
弾性インバージョンのための新しいUNetベースニューラルネットワークモデル(El-UNet)を開発した。
完全接続された物理インフォームドニューラルネットワークと比較して,El-UNetによる精度と計算コストの両面で優れた性能を示す。
論文 参考訳（メタデータ） (2023-06-01T23:35:03Z) - Data-driven reduced-order modelling for blood flow simulations with
geometry-informed snapshots [0.0]
類似しているが異なる領域における血流シミュレーションの効率的な予測法として,データ駆動サロゲートモデルを提案する。
幾何パラメータに対する非侵入的還元次数モデルが適切な分解を用いて構築される。
ラジアル基底関数補間器は、縮小順序モデルの縮小係数を予測するために訓練される。
論文 参考訳（メタデータ） (2023-02-21T21:18:17Z) - A deep learning driven pseudospectral PCE based FFT homogenization
algorithm for complex microstructures [68.8204255655161]
提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。
提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
論文 参考訳（メタデータ） (2021-10-26T07:02:14Z) - A Computationally Tractable Framework for Nonlinear Dynamic Multiscale
Modeling of Membrane Fabric [0.0]
このフレームワークは、周期的サブスケール構造の局所化部分を有限要素を用いてモデル化する「有限要素二乗」(または FE2)法の一般化である。
この枠組みは、織布製のパラシュートキャノピーの超音速インフレーションを含む現実的な火星着陸アプリケーションとして実証され、検証されている。
論文 参考訳（メタデータ） (2020-07-12T00:05:11Z)
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。