基于监督式自编码器的剪纸结构正向与逆向设计
材料科学
2020-10-21 v1 软凝聚态物质
摘要
机器学习（ML）方法近来已被用作正向求解器来预测复合材料的力学性质。在此，我们使用监督式自编码器（sAE）对石墨烯剪纸进行逆向设计，其中由于面外屈曲引起的非线性效应，预测拉伸载荷下的极限应力或应变已知是困难的。与标准自编码器不同，我们的 sAE 不仅能够重构切割构型，还能预测石墨烯剪纸的力学性质并将剪纸分类为平行切割或正交切割。通过在剪纸结构的潜空间中进行插值，sAE 能够生成混合平行与正交切割的新颖设计，尽管其仅在平行或正交切割上分别训练。我们的方法使我们既能识别新颖设计，又能以合理的精度预测其力学性质，这对于拓展材料设计的搜索空间至关重要。
引用
@article{arxiv.2008.05298,
title = {Forward and Inverse Design of Kirigami via Supervised Autoencoder},
author = {Paul Z. Hanakata and Ekin D. Cubuk and David K. Campbell and Harold S. Park},
journal= {arXiv preprint arXiv:2008.05298},
year = {2020}
}