非互易与不对称弹性手性超材料的机器学习引导设计
应用物理
2024-04-23 v1 机器学习
摘要
近期，力学界对设计能够违背互易性，或表现出弹性不对称或奇弹性的结构产生了浓厚兴趣。尽管这些特性非常有助于使力学超材料展现出新颖的波传播现象，但如何设计同时表现出显著非互易性和弹性不对称的被动结构仍是一个开放问题。在本文中，我们首先利用特定设计参数（包括韧带接触角、韧带形状和圆半径）定义了手性超材料的若干设计空间。在定义设计空间之后，我们利用机器学习方法（特别是 Bayesian optimization）来确定每个设计空间内满足最大非互易性或刚度不对称的最优设计。最后，我们通过确定 Pareto optimum 来执行多目标优化，并找到了同时表现出高非互易性和刚度不对称的手性超材料。我们对底层机制的分析表明，在不同方向加载下能够表现出多种不同接触状态的手性超材料，能够同时表现出高非互易性和刚度不对称。总体而言，这项工作证明了运用 ML 为先验信息有限的新领域带来见解的有效性，并更广泛地为在引导和传导机械波能量方面具有独特属性和功能的超材料铺平了道路。
引用
@article{arxiv.2404.13215,
title = {Machine Learning-Guided Design of Non-Reciprocal and Asymmetric Elastic Chiral Metamaterials},
author = {Lingxiao Yuan and Emma Lejeune and Harold S. Park},
journal= {arXiv preprint arXiv:2404.13215},
year = {2024}
}