光滑如黄油：属性增强潜在空间中多晶格过渡的评估
机器学习
2024-07-12 v1
摘要
增材制造通过提高组件强度和降低材料需求， revolutionized 结构优化。实现这些改进的一种方法是应用多晶格结构，其中宏观尺度性能依赖于中尺度晶格单元细致设计的。许多当前用于设计此类结构的方法依赖于数据驱动设计生成多晶格过渡区域，利用仅基于中尺度晶格几何信息的机器学习模型。然而，如何将机械属性整合到用于训练此类机器学习模型的数据集中，是否在仅使用几何数据之外带来额外好处，仍不明确。为此目的，我们实现并评估了一种混合几何/属性变分自编码器（VAE），用于生成多晶格过渡区域。我们发现，混合VAE在通过过渡区域维持刚度连续性方面表现出增强性能，表明其适用于需要光滑机械性能的设计任务。
引用
@article{arxiv.2407.08074,
title = {Smooth Like Butter: Evaluating Multi-Lattice Transitions in Property-Augmented Latent Spaces},
author = {Martha Baldwin and Nicholas A. Meisel and Christopher McComb},
journal= {arXiv preprint arXiv:2407.08074},
year = {2024}
}