利用贝叶斯优化逆向设计旋节线结构
材料科学
2025-03-11 v1
摘要
针对特定应用定制材料以实现期望行为具有重大的科学和工业意义，因为材料设计是创新的关键驱动力。为了克服传统试错式正向方法缓慢且依赖专家经验的局限，逆向设计正受到广泛关注。针对目标属性，设计模型会提出具有该期望属性的候选结构。这一概念特别适用于架构材料领域，因为其结构可直接调控。类骨旋节线材料是一类特定的架构材料，由于其非周期性、平滑性以及低维统计描述而备受瞩目。先前的工作成功利用机器学习 (ML) 模型进行了逆向设计。然而，大多数 ML 方法所需的数据量构成了广泛应用的严重障碍，特别是在非弹性背景下。因此，我们提出了一种基于贝叶斯优化的逆向设计方法，以在小数据 regime 下运行。该方法所需数据显著减少，通过迭代增加计算机生成的数据来扩充初始小数据集，直至找到具有目标属性的结构。在具有期望弹性性能的旋节线结构逆向设计中的应用，展示了该框架为推动逆向设计进展的潜力。
引用
@article{arxiv.2402.13054,
title = {Inverse design of spinodoid structures using Bayesian optimization},
author = {Alexander Raßloff and Paul Seibert and Karl A. Kalina and Markus Kästner},
journal= {arXiv preprint arXiv:2402.13054},
year = {2025}
}