利用可解释机器学习实现折纸的整体逆向设计
软凝聚态物质
2022-11-15 v2 机器学习
计算物理
摘要
本工作利用可解释机器学习方法来解决折纸启发系统的困难逆向设计问题。我们表明，决策树-随机森林方法特别适合拟合包含设计特征与功能性能的折纸数据库，以生成人类可理解的决策规则用于功能折纸的逆向设计。首先，树方法的独特之处在于它能处理类别特征与连续特征之间的复杂交互，从而能在设计中比较不同折纸图案。其次，该可解释方法能处理多目标问题，用于设计具有多个和多物理性能目标的功能折纸。最后，该方法可扩展现有折纸形状拟合算法以考虑非几何性能。所提框架实现了折纸的整体逆向设计，兼顾形状与功能，为超材料、可展开结构、软体机器人、生物医学器件等诸多应用构建新型可重构结构。
引用
@article{arxiv.2204.07235,
title = {Harnessing Interpretable Machine Learning for Holistic Inverse Design of Origami},
author = {Yi Zhu and Evgueni T. Filipov},
journal= {arXiv preprint arXiv:2204.07235},
year = {2022}
}