論文の概要: Towards end-to-end optimization in multimaterial 3D printing

• arxiv url: http://arxiv.org/abs/2607.13174v1
• Date: Tue, 14 Jul 2026 18:23:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.563296
• Title: Towards end-to-end optimization in multimaterial 3D printing
• Title（参考訳）: マルチマテリアル3Dプリンティングにおけるエンドツーエンド最適化に向けて
• Authors: Xue-Ling Luo, Steven Yang, Jingye Tan, Robert F. Shepherd, Noy Cohen, Nikolaos Bouklas,
• Abstract要約: 本稿では,有限要素トポロジ最適化と拡張されたニューラルネットワークを組み合わせたエンドツーエンドの計算フレームワークを提案する。 このパイプラインはソフトロボットグリップに展開され、高い異方性接触応答に対する連続的な組成最適化を実証している。 この手法は、先進的な多材料添加物製造のための実用的で堅牢な設計プリミティブとして解釈可能な機械学習モデルを確立し、退屈な経験的プロトタイピングを置き換える可能性がある。
• 参考スコア（独自算出の注目度）: 0.7988715528471458
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multimaterial 3D printing enables the fabrication of functionally graded components, but optimizing their spatial material distribution alongside structural topology remains a formidable challenge due to high-dimensional design spaces and complex constitutive modeling. This paper presents an end-to-end computational framework integrating sparsified physics-augmented neural networks with finite-element-based topology optimization. By extracting closed-form, composition-aware hyperelastic constitutive laws from experimental data, this approach facilitates exact symbolic differentiation via the adjoint state method implemented with FEniCSx, efficiently circumventing the bottlenecks of applying neural network constitutive models. This pipeline is deployed on soft robotic gripper applications, demonstrating continuous composition optimization for highly anisotropic contact responses, and the concurrent optimization of macroscopic topology and material distribution under non-failure stretch constraints. This methodology could replace laborious empirical prototyping, establishing interpretable machine-learning models as practical, robust design primitives for advanced multimaterial additive manufacturing.
• Abstract（参考訳）: マルチマテリアル3Dプリンティングは機能的にグレードされた部品の製作を可能にするが、高次元設計空間と複雑な構成モデリングのために、構造的トポロジーとともにそれらの空間材料分布を最適化することは依然として困難な課題である。 本稿では,有限要素トポロジ最適化と拡張されたニューラルネットワークを組み合わせたエンドツーエンドの計算フレームワークを提案する。 実験データから閉形式で組成対応の超弾性構成則を抽出することにより、FEniCSxで実装された随伴状態法を介して正確な記号微分を促進し、ニューラルネットワーク構成モデルの適用のボトルネックを効果的に回避する。 このパイプラインはソフトロボットグリップに展開され、高異方性接触応答に対する連続的な組成最適化と、非欠陥ストレッチ制約下でのマクロトポロジーと物質分布の同時最適化を実証する。 この手法は、先進的な多材料添加物製造のための実用的で堅牢な設計プリミティブとして解釈可能な機械学習モデルを確立し、退屈な経験的プロトタイピングを置き換える可能性がある。

関連論文リスト

• A Unified Low-Dimensional Design Embedding for Joint Optimization of Shape, Material, and Actuation in Soft Robots [4.829343342713712]
  形状変形,多材料分布,アクチュエータを統一したソフトロボットのためのスムーズで低次元な設計埋め込みを提案する。 実験では、ニューラルネットワークの符号化と異なり、基礎関数の数に応じて設計が増加することを示す。 さらに, 一体型埋め込みによる形状, 材料, アクティベーションの協調最適化は, 逐次戦略を一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2026-03-06T17:33:32Z)
• Transolver-3: Scaling Up Transformer Solvers to Industrial-Scale Geometries [51.028432812178266]
  Transolver-3は、高忠実度物理シミュレーションのために設計されたTransolverファミリーの新しいメンバーである。 Transolver-3は1億6000万以上のセルでメッシュを処理でき、3つの挑戦的なシミュレーションベンチマークで優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-02-04T16:52:44Z)
• StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation [57.06461272772509]
  StdGEN++は、多種多様な入力から高忠実で意味的に分解された3D文字を生成するための、新しく包括的なシステムである。 最先端の性能を達成し、幾何学的精度と意味的絡み合いにおいて既存の手法を著しく上回っている。 結果として、非破壊的な編集、物理学に準拠したアニメーション、視線追跡など、より進んだ下流の機能をアンロックする。
  論文  参考訳（メタデータ） (2026-01-12T15:41:27Z)
• Efficient Design of Compliant Mechanisms Using Multi-Objective Optimization [50.24983453990065]
  そこで本研究では,大きな角状脳卒中を許容できる適合型クロスヒンジ機構の合成について述べる。 キネトスタティックな性能測定に基づいて,多目的最適化問題を定式化する。
  論文  参考訳（メタデータ） (2025-04-23T06:29:10Z)
• Generalized Factor Neural Network Model for High-dimensional Regression [50.554377879576066]
  複素・非線形・雑音に隠れた潜在低次元構造を持つ高次元データセットをモデル化する課題に取り組む。 我々のアプローチは、非パラメトリック回帰、因子モデル、高次元回帰のためのニューラルネットワークの概念のシームレスな統合を可能にする。
  論文  参考訳（メタデータ） (2025-02-16T23:13:55Z)
• Neurally Integrated Finite Elements for Differentiable Elasticity on Evolving Domains [19.755626638375904]
  進化的暗黙の関数として定義された領域の弾性シミュレータ。これは効率的で堅牢で、形状や材料に関して微分可能である。 重要な技術的革新は、暗黙の格子セル上で堅牢な数値積分のために、二次点に適合するように小さなニューラルネットワークを訓練することである。 提案手法は, 暗黙の前方シミュレーション, 編集中の3次元形状の直接シミュレーション, 物理に基づく新しい形状とトポロジーの最適化と, 微分可能レンダリングの併用における有効性を示す。
  論文  参考訳（メタデータ） (2024-10-12T07:49:23Z)
• Consistent machine learning for topology optimization with microstructure-dependent neural network material models [0.0]
  空間的に異なるミクロ構造対称性と異なる異なるマイクロ構造記述子を持つマルチスケール構造のためのフレームワークを提案する。 本研究は,密度に基づく設計最適化と整合性の統合の可能性を明らかにする。
  論文  参考訳（メタデータ） (2024-08-25T14:17:43Z)
• 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)

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。