基于实验信息的调幅分解超材料有限应变逆向设计
计算工程、金融与科学
2025-01-10 v3
摘要
调幅分解超材料的结构受自然相分离过程启发，在设计具有极端性能的力学超材料时，为周期性和对称性形态提供了一种重要的替代方案。尽管其弹性力学性质已被系统确定，但其大变形、非线性响应一直难以预测和设计，部分原因在于数据集有限且需要复杂的非线性模拟。本文提出了一种新颖的物理增强机器学习(ML)与优化框架，旨在解决在计算建模受限且实验数据稀少的大变形场景下，设计具有定制力学性质的复杂调幅分解超材料所面临的挑战。通过直接利用大变形实验数据，该方法促进了对具有精确有限应变力学响应的调幅分解结构进行逆向设计。该框架以非凸能量势的形式引入基于物理的归纳偏置，阐明了调幅分解超材料中由不稳定性诱导的模式形成——这一现象已在实验和特定的非线性模拟中被观察到。总而言之，这项结合了机器学习、实验与计算的工作，为在能量吸收和非线性失效机制预测至关重要的大变形场景下，高效且准确地设计复杂调幅分解超材料提供了一条途径。
引用
@article{arxiv.2312.11648,
title = {Experiment-informed finite-strain inverse design of spinodal metamaterials},
author = {Prakash Thakolkaran and Michael A. Espinal and Somayajulu Dhulipala and Siddhant Kumar and Carlos M. Portela},
journal= {arXiv preprint arXiv:2312.11648},
year = {2025}
}