面向稀有事件理性设计的3D打印多材料力学超材料深度学习
材料科学
2022-04-06 v1 机器学习
摘要
新兴的多材料3D打印技术为超材料的理性设计铺平了道路，这类超材料不仅具有复杂几何形状，还在这些几何形状内具有多种材料的任意分布。改变多种材料的空间分布产生了许多有趣且潜在独特的各向异性弹性性质组合。虽然能够覆盖所有可能弹性性质组合的很大一部分的设计方法本身令人关注，但找到导致高度异常材料性质组合(例如，双拉胀性与高弹性模量)的极稀有设计更为重要。在此，我们使用规则晶格内硬相与软相的随机分布，来研究该网络总体上以及特别是上述稀有设计的各向异性力学性质。需要应对的主要挑战在于海量的设计参数以及此类设计的极端稀有性。因此，我们使用计算模型与深度学习算法来建立从设计参数空间到力学性质空间的映射，从而(i)减少评估每个设计所需的计算时间，并且(ii)使评估不同设计的过程高度可并行化。此外，我们选取了十个设计使用polyjet多材料3D打印技术制造，对其进行了力学测试，并使用数字图像相关(DIC，3个设计)表征其行为，以验证计算模型的准确性。我们的模拟结果表明，基于深度学习的算法能准确预测不同设计的力学性质，与实验中观察到的各种变形机制相符。
引用
@article{arxiv.2204.01769,
title = {Deep learning for the rare-event rational design of 3D printed multi-material mechanical metamaterials},
author = {H. Pahlavani and M. Amani and M. Cruz Saldívar and J. Zhou and M. J. Mirzaali and A. A. Zadpoor},
journal= {arXiv preprint arXiv:2204.01769},
year = {2022}
}
备注
28 pages, 4 figures