通过新型深度生成学习模型设计可打印微结构材料的通用方法：在压电复合材料中的应用
材料科学
2025-07-25 v1
摘要
我们设计了一种通用的异质微结构设计方法，并将其应用于特定的材料系统——弹性电活性压电陶瓷嵌入塑料，该系统在传感、5G 通信和能量收集方面具有巨大潜力。由于所研究材料系统的多物理场相互作用，我们开发了一种准确且高效的基于 FFT 的数值方法，以求解由我们的 HetMiGen 代码生成的各种蜂窝状微结构的多功能特性。为了挖掘这一大数据集，我们使用了定制的物理感知生成神经网络，其格式为 VAE，并通过视觉 Transformer 增强卷积神经网络层，以学习可能影响 3D 体素化微结构特性的长距离特征。在训练中，解码器学习如何将属性分布映射到 3D 微结构的适当高维分布。因此，在其推理阶段，它可以被视为所探索设计空间内的在线材料设计师。
引用
@article{arxiv.2402.11102,
title = {Universal Design Methodology for Printable Microstructural Materials via a New Deep Generative Learning Model: Application to a Piezocomposite},
author = {Mohammad Saber Hashemi and Khiem Nguyen and Levi Kirby and Xuan Song and Azadeh Sheidaei},
journal= {arXiv preprint arXiv:2402.11102},
year = {2025}
}
备注
40 pages, 11 figure, original research article