論文の概要: Inverse Design of Metamaterials with Manufacturing-Guiding Spectrum-to-Structure Conditional Diffusion Model

• arxiv url: http://arxiv.org/abs/2506.07083v1
• Date: Sun, 08 Jun 2025 10:57:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.66515
• Title: Inverse Design of Metamaterials with Manufacturing-Guiding Spectrum-to-Structure Conditional Diffusion Model
• Title（参考訳）: 製造制御スペクトル-構造条件拡散モデルを用いたメタマテリアルの逆設計
• Authors: Jiawen Li, Jiang Guo, Yuanzhe Li, Zetian Mao, Jiaxing Shen, Tashi Xu, Diptesh Das, Jinming He, Run Hu, Yaerim Lee, Koji Tsuda, Junichiro Shiomi,
• Abstract要約: 本稿では,一対多のメタマテリアル逆設計問題に対処するために,カスタマイズされたスペクトル・ツー・シェイプとサイズパラメータを実装するフレームワークを提案する。 熱カモフラージュ用選択発光スペクトルを調整した自由形メタマテリアルを設計・製造し,提案手法の有効性を実証する。
• 参考スコア（独自算出の注目度）: 6.880252236792563
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Metamaterials are artificially engineered structures that manipulate electromagnetic waves, having optical properties absent in natural materials. Recently, machine learning for the inverse design of metamaterials has drawn attention. However, the highly nonlinear relationship between the metamaterial structures and optical behaviour, coupled with fabrication difficulties, poses challenges for using machine learning to design and manufacture complex metamaterials. Herein, we propose a general framework that implements customised spectrum-to-shape and size parameters to address one-to-many metamaterial inverse design problems using conditional diffusion models. Our method exhibits superior spectral prediction accuracy, generates a diverse range of patterns compared to other typical generative models, and offers valuable prior knowledge for manufacturing through the subsequent analysis of the diverse generated results, thereby facilitating the experimental fabrication of metamaterial designs. We demonstrate the efficacy of the proposed method by successfully designing and fabricating a free-form metamaterial with a tailored selective emission spectrum for thermal camouflage applications.
• Abstract（参考訳）: メタマテリアルは、電磁波を操作する人工的に設計された構造であり、天然材料には光学特性がない。 近年,メタマテリアルの逆設計のための機械学習が注目されている。 しかし、メタマテリアル構造と光学的挙動の非常に非線形な関係は、製造の難しさと相まって、複雑なメタマテリアルの設計と製造に機械学習を使用する上での課題を提起している。 本稿では,条件付き拡散モデルを用いた一対多のメタマテリアル逆設計問題に対処するために,カスタマイズされたスペクトル対形状パラメータとサイズパラメータを実装する汎用フレームワークを提案する。 提案手法は, スペクトル予測精度が優れ, 他の典型的な生成モデルと比較して多種多様なパターンが生成され, 様々な生成結果の解析を通じて製造に有用な事前知識を提供し, メタマテリアル設計の実験的作成を容易にする。 熱カモフラージュ用選択発光スペクトルを調整した自由形メタマテリアルを設計・製造し,提案手法の有効性を実証する。

関連論文リスト

• Nonlinear Inverse Design of Mechanical Multi-Material Metamaterials Enabled by Video Denoising Diffusion and Structure Identifier [2.624762732763203]
  本稿では非線形応力-ひずみ応答に基づく逆多材料設計のための新しい枠組みを提案する。 複数の材料, 塑性, 大変形を組み込むことで, メタマテリアルの高非線形力学的挙動の制御を高度化することができる。
  論文  参考訳（メタデータ） (2024-09-20T21:26:15Z)
• Guided Diffusion for Fast Inverse Design of Density-based Mechanical Metamaterials [41.97258566607252]
  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)
• Scalable Diffusion for Materials Generation [99.71001883652211]
  我々は任意の結晶構造(ユニマット)を表現できる統一された結晶表現を開発する。 UniMatはより大型で複雑な化学系から高忠実度結晶構造を生成することができる。 材料の生成モデルを評価するための追加指標を提案する。
  論文  参考訳（メタデータ） (2023-10-18T15:49:39Z)
• 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)
• Modeling and Optimizing Laser-Induced Graphene [59.8912133964006]
  レーザ誘起グラフェンの生成の最適化を記述したデータセットを提供する。 提供するデータセットに基づいて,3つの課題を提起します。 興味のあるユーザにとっての出発点として、図解的な結果と、それらを生成するためのコードを提示します。
  論文  参考訳（メタデータ） (2021-07-29T18:08:24Z)
• Predictive modeling approaches in laser-based material processing [59.04160452043105]
  本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。 その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。 結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
  論文  参考訳（メタデータ） (2020-06-13T17:28:52Z)

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。