基于视频去噪扩散模型的非线性力学超材料逆向设计

复杂材料特性的加速逆向设计——例如识别在非线性变形路径上具有给定应力-应变响应的材料——在从软体机器人到生物医学植入物和冲击缓减等挑战中极具潜力。虽然机器学习模型已提供此类逆映射，但它们通常局限于刚度等线性目标特性。为定制非线性响应，我们在此展示：在周期随机孔结构全场数据上训练的视频扩散生成模型，可成功预测并调谐其在压缩大应变工况（包括屈曲与接触）下的非线性变形与应力响应。与常见的黑盒模型不同，我们的框架本质上提供对期望变形路径的估计，包括与有限元模拟高度吻合的全场内应力分布。因此，本工作有潜力简化并加速具有复杂目标性能材料的识别。