具有最优刚度-韧性权衡的微结构复合材料的计算发现
材料科学
2024-01-05 v2 机器学习
摘要
刚度与韧性之间的矛盾是工程材料设计中的根本问题。然而，具有最优刚度-韧性权衡的微结构复合材料的系统性发现从未被实现，其受制于仿真与现实的差异以及对整个帕累托前沿缺乏数据高效的探索。我们提出一个可推广的流水线，集成物理实验、数值模拟与人工神经网络以应对这两大挑战。在无任何预设材料设计专家知识的情况下，我们的方法采用嵌套循环提议-验证工作流来弥合仿真到现实的鸿沟，并以高样本效率发现既刚且韧的微结构复合材料。对帕累托最优设计的进一步分析使我们能自动识别已有的韧性增强机制，这些机制此前通过试错或仿生学才被发现。在更广义的层面上，我们的方法为固体力学之外的诸多研究领域（如高分子化学、流体动力学、气象学与机器人学）的计算设计提供了蓝图。
引用
@article{arxiv.2302.01078,
title = {Computational Discovery of Microstructured Composites with Optimal Stiffness-Toughness Trade-Offs},
author = {Beichen Li and Bolei Deng and Wan Shou and Tae-Hyun Oh and Yuanming Hu and Yiyue Luo and Liang Shi and Wojciech Matusik},
journal= {arXiv preprint arXiv:2302.01078},
year = {2024}
}