論文の概要: Mechanics and Design of Metastructured Auxetic Patches with Bio-inspired Materials
- arxiv url: http://arxiv.org/abs/2501.06233v1
- Date: Wed, 08 Jan 2025 03:57:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-14 20:44:00.400355
- Title: Mechanics and Design of Metastructured Auxetic Patches with Bio-inspired Materials
- Title（参考訳）: バイオインスパイアされた材料を用いたメタ構造化補助パッチの力学と設計
- Authors: Yingbin Chen, Milad Arzani, Xuan Mu, Sophia Jin, Shaoping Xiao,
- Abstract要約: 本研究は, 絹フィブロインから作製した正弦波状構造を有する触覚パッチのニューラルネットワークによる計算モデルに焦点をあてる。
提案する枠組みは, 医療用バイオインスパイアされた生体組織の設計において, 重要な進歩を示すものである。
- 参考スコア（独自算出の注目度）: 0.5033155053523042
- License:
- Abstract: Metastructured auxetic patches, characterized by negative Poisson's ratios, offer unique mechanical properties that closely resemble the behavior of human tissues and organs. As a result, these patches have gained significant attention for their potential applications in organ repair and tissue regeneration. This study focuses on neural networks-based computational modeling of auxetic patches with a sinusoidal metastructure fabricated from silk fibroin, a bio-inspired material known for its biocompatibility and strength. The primary objective of this research is to introduce a novel, data-driven framework for patch design. To achieve this, we conducted experimental fabrication and mechanical testing to determine material properties and validate the corresponding finite element models. Finite element simulations were then employed to generate the necessary data, while greedy sampling, an active learning technique, was utilized to reduce the computational cost associated with data labeling. Two neural networks were trained to accurately predict Poisson's ratios and stresses for strains up to 15\%, respectively. Both models achieved $R^2$ scores exceeding 0.995, which indicates highly reliable predictions. Building on this, we developed a neural network-based design model capable of tailoring patch designs to achieve specific mechanical properties. This model demonstrated superior performance when compared to traditional optimization methods, such as genetic algorithms, by providing more efficient and precise design solutions. The proposed framework represents a significant advancement in the design of bio-inspired metastructures for medical applications, paving the way for future innovations in tissue engineering and regenerative medicine.
- Abstract（参考訳）: ポアソンの負の比率を特徴とする構造的補助パッチは、ヒトの組織や臓器の挙動によく似た独特の機械的特性を提供する。
結果として、これらのパッチは臓器修復と組織再生の潜在的な応用について大きな注目を集めている。
本研究は, 生体適合性と強度で知られているバイオインスパイアされた材料である絹フィブロインから作製した正弦波状構造を応用した, 軸受パッチのニューラルネットワークによる計算モデルに焦点をあてる。
この研究の主な目的は、パッチ設計のための新しいデータ駆動フレームワークを導入することである。
これを実現するために, 材料特性を判定し, 対応する有限要素モデルを検証する実験と機械的試験を行った。
その後、必要なデータを生成するために有限要素シミュレーションが使用され、データラベリングに関連する計算コストを削減するために、能動的学習技術であるグリーディサンプリングが使用された。
2つのニューラルネットワークは、ポアソンの比率とストレスをそれぞれ最大15倍まで正確に予測するように訓練された。
どちらのモデルも、信頼性の高い予測を示す0.995以上のR^2$スコアを達成した。
これに基づいて、特定の機械的特性を達成するためにパッチ設計を調整可能なニューラルネットワークベースの設計モデルを開発した。
このモデルは、より効率的で正確な設計ソリューションを提供することで、遺伝的アルゴリズムのような従来の最適化手法と比較して優れた性能を示した。
提案する枠組みは, バイオインスパイアされた医療用メタ構造の設計において, 組織工学および再生医療における将来的な革新への道を開く重要な進歩を示すものである。
関連論文リスト
- Cliqueformer: Model-Based Optimization with Structured Transformers [102.55764949282906]
我々は、MBOタスクの構造を学習し、経験的に改良された設計につながるモデルを開発する。
我々はCliqueformerを、高次元のブラックボックス機能から、化学・遺伝設計の現実的なタスクまで、様々なタスクで評価する。
論文 参考訳（メタデータ） (2024-10-17T00:35:47Z) - Neural Echos: Depthwise Convolutional Filters Replicate Biological
Receptive Fields [56.69755544814834]
哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。
生体受容の分野からインスピレーションを得る手法を提案する。
論文 参考訳（メタデータ） (2024-01-18T18:06:22Z) - Physics-informed Neural Network Estimation of Material Properties in Soft Tissue Nonlinear Biomechanical Models [2.8763745263714005]
物理インフォームドニューラルネットワーク(PINN)と3次元軟組織非線形生体力学モデルを組み合わせた新しいアプローチを提案する。
提案した学習アルゴリズムは、限られた量の変位から情報を符号化し、場合によっては、臨床環境で日常的に取得できる歪みデータを符号化する。
提案手法の精度とロバスト性を示すために,いくつかのベンチマークを行った。
論文 参考訳（メタデータ） (2023-12-15T13:41:20Z) - Topological, or Non-topological? A Deep Learning Based Prediction [0.0]
望ましい性質を持つ新しい物質の予測と発見は、量子科学と技術研究の最前線にある。
この分野での大きなボトルネックは、abinitio計算から新しい材料を見つけることに関連する計算資源と時間複雑性である。
本研究では、永続的ホモロジーとグラフニューラルネットワークを組み込むことにより、効果的で堅牢なディープラーニングに基づくモデルを提案する。
論文 参考訳（メタデータ） (2023-10-29T05:29:49Z) - Exploring hyperelastic material model discovery for human brain cortex:
multivariate analysis vs. artificial neural network approaches [10.003764827561238]
本研究の目的は、ヒト脳組織において最も好ましい物質モデルを特定することである。
我々は、広く受け入れられている古典モデルの一般化に、人工ニューラルネットワークと多重回帰法を適用した。
論文 参考訳（メタデータ） (2023-10-16T18:49:59Z) - An Adversarial Active Sampling-based Data Augmentation Framework for
Manufacturable Chip Design [55.62660894625669]
リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。
機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。
本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-27T20:53:39Z) - A Physics-Guided Neural Operator Learning Approach to Model Biological
Tissues from Digital Image Correlation Measurements [3.65211252467094]
本稿では, 生体組織モデリングにおけるデータ駆動型相関について述べる。これは, 未知の負荷シナリオ下でのデジタル画像相関(DIC)測定に基づいて変位場を予測することを目的としている。
ブタ三尖弁リーフレット上の多軸延伸プロトコルのDIC変位追跡測定から材料データベースを構築した。
材料応答は、負荷から結果の変位場への解演算子としてモデル化され、材料特性はデータから暗黙的に学習され、自然にネットワークパラメータに埋め込まれる。
論文 参考訳（メタデータ） (2022-04-01T04:56:41Z) - On the Exploitation of Neuroevolutionary Information: Analyzing the Past
for a More Efficient Future [60.99717891994599]
本稿では,神経進化過程から情報を抽出し,メタモデルを構築するアプローチを提案する。
本稿では, 異なる特徴を有する生成的対向ネットワークの神経進化的探索における最良の構造について検討する。
論文 参考訳（メタデータ） (2021-05-26T20:55:29Z) - Pathloss modeling for in-body optical wireless communications [65.33908037519238]
光無線通信(OWC)は、次世代の体内ナノスケールネットワークとインプラントの候補として認識されている。
本稿では,体内OWCの一般パスロスモデルについて述べる。
論文 参考訳（メタデータ） (2021-05-06T17:17:45Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - Machine Learning Enabled Discovery of Application Dependent Design
Principles for Two-dimensional Materials [1.1470070927586016]
我々は熱力学、機械的、電子的特性を予測するためにモデルのアンサンブルを訓練する。
ほぼ2つの非結合なアプリケーションに対して,45,000近い構造体をスクリーニングする。
有機-無機ペロブスカイトと鉛とスズとのハイブリッドが太陽電池の応用に好適であることが判明した。
論文 参考訳（メタデータ） (2020-03-19T23:13:50Z)
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。