Differentiable graph-structured models for inverse design of lattice materials

要約

異なる環境条件に適応できる物理化学的特性を備えた設計された材料は、材料科学の破壊的な新しい領域を具体化します。
デジタル設計と製造の進歩により、材料を格子トポロジーに成形することで、バルク材料では得られないある程度の特性のカスタマイズが可能になります。
彼らのデザインへのインスピレーションの有望な場所は、自然の不規則な微細構造の中にあります。
しかし、そのような不規則性によって解き放たれる計り知れない設計の変動性を分析的に調査することは困難です。
ここでは、規則的および不規則な格子材料のグラフベースの表現を使用した新しい計算アプローチを提案します。
私たちの方法では、微分可能なメッセージ パッシング アルゴリズムを使用して機械的特性を計算するため、サロゲート導関数による自動微分を可能にして、幾何学的構造と個々の格子要素の局所的属性の両方を調整して、望ましい特性を備えた逆設計材料を実現します。
さらに、大規模な構造解析のためのグラフ ニューラル ネットワーク代理モデルを導入します。
この方法論は、異種グラフとして表現できるあらゆるシステムに一般化できます。

要約(オリジナル)

Architected materials possessing physico-chemical properties adaptable to disparate environmental conditions embody a disruptive new domain of materials science. Fueled by advances in digital design and fabrication, materials shaped into lattice topologies enable a degree of property customization not afforded to bulk materials. A promising venue for inspiration toward their design is in the irregular micro-architectures of nature. However, the immense design variability unlocked by such irregularity is challenging to probe analytically. Here, we propose a new computational approach using graph-based representation for regular and irregular lattice materials. Our method uses differentiable message passing algorithms to calculate mechanical properties, therefore allowing automatic differentiation with surrogate derivatives to adjust both geometric structure and local attributes of individual lattice elements to achieve inversely designed materials with desired properties. We further introduce a graph neural network surrogate model for structural analysis at scale. The methodology is generalizable to any system representable as heterogeneous graphs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google