Guided Diffusion for Fast Inverse Design of Density-based Mechanical Metamaterials

要約

メカニカル メタマテリアルは、内部構造を慎重に設計することで、異常な弾性、剛性、安定性などの並外れた物理的特性を持つことができる合成材料です。
メタマテリアルに独特の機械的特性を持つ繊細な局所構造を含めるには、高解像度のボクセルを通じてそれらを表現する方法が考えられます。
ただし、かなりの計算負荷がかかります。
この目的を達成するために、この論文では、ボクセルベースの機械的メタマテリアルを生成するための、高度なディープ生成 AI アルゴリズムを核とする高速逆設計法を提案します。
具体的には、$128^3$ の解像度で微細構造を生成し、指定された均質化テンソル行列にわずか 3 秒で近づくことができる自己調整拡散モデルを使用します。
したがって、この迅速なリバース デザイン ツールは、極端なメタマテリアルの探索、メタマテリアルでのシーケンス補間、およびマルチスケール設計のための多様な微細構造の生成を容易にします。
この柔軟で適応性のある生成ツールは、構造工学やその他の機械システムにおいて非常に価値があり、その後の研究をさらに刺激することができます。

要約(オリジナル)

Mechanical metamaterial is a synthetic material that can possess extraordinary physical characteristics, such as abnormal elasticity, stiffness, and stability, by carefully designing its internal structure. To make metamaterials contain delicate local structures with unique mechanical properties, it is a potential method to represent them through high-resolution voxels. However, it brings a substantial computational burden. To this end, this paper proposes a fast inverse design method, whose core is an advanced deep generative AI algorithm, to generate voxel-based mechanical metamaterials. Specifically, we use the self-conditioned diffusion model, capable of generating a microstructure with a resolution of $128^3$ to approach the specified homogenized tensor matrix in just 3 seconds. Accordingly, this rapid reverse design tool facilitates the exploration of extreme metamaterials, the sequence interpolation in metamaterials, and the generation of diverse microstructures for multi-scale design. This flexible and adaptive generative tool is of great value in structural engineering or other mechanical systems and can stimulate more subsequent research.

arxiv情報

著者 Yanyan Yang,Lili Wang,Xiaoya Zhai,Kai Chen,Wenming Wu,Yunkai Zhao,Ligang Liu,Xiao-Ming Fu
発行日 2024-01-24 16:31:50+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CE, cs.LG パーマリンク