通过神经算子实现复杂几何上软材料的形态变形编程
机器学习
2026-02-03 v2
摘要
形态变形的软材料可以通过体素级材料分布设计实现多样化的目标形态，具有广泛的应用潜力。尽管在简单几何上实现基本形态变形设计方面取得了进展，但要实现诸如顺式植入部署或气动形态变形等高级应用，仍需在复杂几何上进行精准且多样化的形态变形设计，这仍具有挑战性。本文提出了一种谱谱和空间神经算子（S2NO），该算子能够在复杂几何上实现高保真度的形态变形预测。S2NO通过集成拉普拉斯特征函数编码和空间卷积，有效捕获不规则计算域上全局和局部的形态变形行为。将S2NO与进化算法结合，可实现软材料在包括不规则边界形状、多孔结构和薄壁结构等各种复杂几何上的体素级材料分布优化。此外，神经算子的离散化不变性特性使得超分辨率材料分布设计成为可能，进一步扩充了形态变形设计的多样性和复杂度。这些突破性进展显著提升了编程复杂形态变形的效率和能力。
引用
@article{arxiv.2601.11126,
title = {Shape-morphing programming of soft materials on complex geometries via neural operator},
author = {Lu Chen and Gengxiang Chen and Xu Liu and Jingyan Su and Xuhao Lyu and Lihui Wang and Yingguang Li},
journal= {arXiv preprint arXiv:2601.11126},
year = {2026}
}