科研进展 | 基于神经加速进化策略的目标非线性响应力学超构材...
从可穿戴设备和能量吸收系统，再到脚手架和软体机器人，许多应用都将受益于具有目标非线性力学响应的材料的逆向设计。此外，可穿戴和柔性电子器件必须适应软生物组织的大变形，并减少由于它们的存在而对皮肤产生的应力。可重复使用、与速率无关和自恢复的能量吸收材料，可以通过显示非线性响应的工程结构来实现，该非线性响应的特征是突然断裂引起的负载下降。力学超构材料最近已成为一种有效的平台，可以设计具有受几何结构而非成分控制的力学行为的系统。虽然最初的努力集中在设计在线性状态下具有负特性的超构材料，但最近已经表明，通过在架构中引入易于产生的细长单元，可以触发高度非线性响应弹性不稳定性。这些非线性行为不仅展示了非常丰富的物理特性，还可以用于实现高级功能（如形状变形、能量吸收和可编程性）。
虽然可以通过改变底层几何结构来调整这些功能，但识别导致目标非线性响应的架构是一项艰巨的任务。已经建立了强大而有效的算法来指导在线性状态下具有目标响应的结构设计。然而，这种方法不能直接应用于非线性力学超构材料的逆向设计。这是因为非线性系统的能量景观通常显示出由大能量障碍隔开的多个最小值，因此操纵非常具有挑战性。为了有效地探索这种能量景观，进化策略、遗传算法和粒子群优化等元启发式算法，已被成功使用。
此外，由于这些算法需要多次解决正向问题，所以最近的努力集中在通过将它们与训练用于解决正向问题的机器学习模型相结合，来降低其计算成本。
近日，美国哈佛大学、麻省理工学院邓博磊博士和哈佛大学Katia Bertoldi教授团队提出了一个框架来设计具有目标非线性响应的力学超构材料。其出发点是一种基于铰链旋转正方形的超构材料，它最近引起了极大的兴趣，因为它显示出有效的负泊松比并支持孤立脉冲的传播。
首先，四边形单元形状的变化会导致广泛的力学响应，并确定控制这些行为的关键因素。然后，使用神经网络准确地学习超构材料的几何形状与其非线性力学响应之间的关系。最后，将神经网络与进化策略相结合，以有效识别表现出目标非线性应力-应变行为的几何形状。
所提出的神经加速进化策略具有一系列应用的潜力，这些应用受益于具有目标非线性力学行为的系统，如能量吸收系统、软体机器人和变形结构的设计所示。相关研究发表在《Advanced Materials》上。（徐锐）
文章链接：
B. Deng, A. Zareei, X. Ding, et al. Inverse Design of Mechanical Metamaterials with Target Nonlinear Response via a Neural Accelerated Evolution Strategy. Advanced Materials, 2022.
https://doi.org/10.1002/adma.202206238
来源：两江科技评论微信公众号（ID：imeta-center），作者：九乡河。
页:
[1]