基于多保真贝叶斯数据驱动的能量吸收旋旋体细胞结构设计
机器学习
2025-07-31 v1 材料科学
摘要
结构和材料的有限元（FE）仿真正在变得越来越准确，但也因此计算成本也随之增加。与此同时，数据驱动设计的需求日益增长。为调和这两者，一种稳健且数据高效的优化方法——贝叶斯优化（BO）已被确立为优化高成本目标函数的技术。此外，可利用FE模型的网格宽度在不同保真度（成本与精度）水平上评估目标。应用于BO的多保真设置（MFBO）也取得了成功。然而，BO和MFBO在面对实际工程问题（如变形和吸收性能的晶体结构设计）时尚未进行直接比较。此外，样本质量和评估设计参数灵敏度往往在数据驱动设计中得到的 insufficient 关注。本文通过采用Sobol抽样样本并结合方差基灵敏度分析，以减少设计问题的复杂性。进一步本工作描述、实现、应用并比较BO与MFBO在最大化旋旋体细胞结构能量吸收（EA）问题时的性能。结果表明，MFBO是最大化旋旋体结构EA的有效方法，可在各种超参数设置下比BO表现出最高11%的优势。所得结果已公开，旨在支持多保真技术在高成本数据驱动设计问题中的实用性。
引用
@article{arxiv.2507.22079,
title = {Multi-fidelity Bayesian Data-Driven Design of Energy Absorbing Spinodoid Cellular Structures},
author = {Leo Guo and Hirak Kansara and Siamak F. Khosroshahi and GuoQi Zhang and Wei Tan},
journal= {arXiv preprint arXiv:2507.22079},
year = {2025}
}
备注
data-driven design, multi-fidelity, Bayesian optimization, cellular structures, energy absorption