基于生成式深度学习与增材制造的异质分层仿生蜘蛛网结构建模与设计
机器学习
2023-04-12 v1 软凝聚态物质
适应与自组织系统
摘要
蜘蛛网是奇妙的生物结构,由细而强的丝线构成,并排布为具有惊人力学特性(如轻量而高强度、实现多样力学响应)的复杂分层架构。虽然简单的 2D 圆网易于模仿,但基于 3D 的网结构建模与合成仍具挑战,部分源于丰富的设计特征集。本文对蜘蛛网的异质图结构进行详细分析,并使用深度学习来建模并合成人工的、仿生 3D 网结构。生成式 AI 模型基于关键几何参数(包括平均边长、节点数、平均节点度等)进行条件化。为识别图构建原理,我们对大规模实验测定的蜘蛛网图进行归纳表示采样,得到用于训练三个条件生成模型的数据集:1) 受非平衡热力学启发的、具稀疏邻域表示的类扩散模型,2) 具完整邻域表示的离散扩散模型,以及 3) 具完整邻域表示的自回归 transformer 架构。三个模型均可扩展,生成复杂的、全新的仿生蜘蛛网拟构,并成功构建满足设计目标的图。我们进一步提出一种算法,将生成模型产生的网样本基于一系列几何设计目标(包括螺旋与参数化形状)组装为更大尺度结构,模仿并扩展自然设计原理以契合分歧的工程目标。若干网结构通过 3D 打印制造并测试以评估力学特性。
引用
@article{arxiv.2304.05137,
title = {Modeling and design of heterogeneous hierarchical bioinspired spider web structures using generative deep learning and additive manufacturing},
author = {Wei Lu and Nic A. Lee and Markus J. Buehler},
journal= {arXiv preprint arXiv:2304.05137},
year = {2023}
}