比翱观察丨人工智能加速拓扑优化超材料的设计

有人说人工智能（AI）是新的电力。20世纪初，交流电及其感应电动机影响了每个行业和人类生活的方方面面，并永远改变了它。如今，我们开始看到人工智能在做同样的事情。新型材料设计中基于建模的优化也不例外，最近发表的一些论文使用机器/深度学习方法成功地辅助和改进了已建立的数值模型。机械超材料是具有违反直觉的机械特性的人工结构，其源于其晶胞的几何形状而不是每个组件的特性。最近，科学和工业界对具有增强性能的材料进行了强烈追捧。从本质上讲，这些材料通常是通过选择组成材料、体积分数和结构来优化的。迄今为止，设计此类材料的架构是当代的，因为它有效地只允许人们获得具有天然材料中没有的前所未有的特性的材料。这些特性包括但不限于非常高的刚度重量比和负泊松比。拓扑优化提供了一种在给定一组载荷边界条件和约束的情况下设计材料的系统方法。这种方法旨在确定提供系统最高性能同时满足设计约束的最佳材料分布。再加上增材制造的最新发展，现在可以实现许多复杂的几何形状。虽然更先进的制造技术为制造这种超材料提供了新的机会，但优化问题仍然具有挑战性。更糟糕的是，由于需要多次迭代，包括拓扑优化问题在内的数值分析在计算上可能非常昂贵。

总的来说，数据驱动模型正在成为材料和结构系统几何设计的一种幸运方法。然而，现有的数据驱动模型通常解决结构设计的优化问题，而不是超材料设计。为了解决这个问题，伊利诺伊大学的研究人员：Hunter T. Kollmann先生、Diab W. Abueidda博士、Seid Koric教授、Erman Guleryuz博士和Nahil A. Sobh博士在国家超级计算中心开发了一种新的深度学习模型应用程序(NCSA)及其行业计划和人工智能创新中心。深度学习模型基于复杂的卷积神经网络 (CNN)，可预测最佳超材料设计。他们的工作目前发表在研究期刊《材料与设计》上。

 

在他们的方法中，他们首先概述了拓扑优化问题以及同质化和周期性边界条件。然后，该团队概述了设计空间和训练、验证和测试数据集以及训练所需的数据。然后，他们仔细检查了CNN模型的架构、超参数以及用于评估CNN模型性能的损失函数和指标。总体而言，该模型是使用基于能量的均质化方法和周期性边界条件生成的。

 

作者报告说，开发的深度学习模型非迭代优化超材料，以最大化体积模量、最大化剪切模量或最小化泊松比（包括负值）。更重要的是，研究人员提到数据是通过解决大量逆均质化边界值问题生成的，具有来自特定分布的随机生成的几何特征。

总之，该研究开发了一个CNN模型，以便准确预测优化的超材料设计，以最大化体积模量、最大化剪切模量或最小化泊松比。值得注意的是，研究人员意识到，在高端计算机上正确训练他们的深度学习模型后，他们能够在低端计算平台（例如笔记本电脑）上立即推断出高质量的拓扑优化结果，而无需高端计算机或建模和优化软件在《工程进展》的一份声明中，Diab W.Abueidda博士解释说，他们的模型为多尺度超材料系统和其他计算成本高昂的拓扑优化问题的惊人加速拓扑优化算法铺平了道路。

作者介绍

Diab Abueidda博士是美国国家超级计算应用中心(NCSA)的研究科学家，也是人工智能创新中心(CAII)的教职员工。他的研究兴趣包括计算力学、建筑材料、人工智能(AI)与数值建模的融合、增材制造和拓扑优化。他发表或贡献了超过25篇极具影响力的研究论文和文章，涉及不同的主题。
 Koric博士是国家超级计算应用中心(NCSA)的技术总监和伊利诺伊大学机械科学与工程系的研究教授，领导着非常成功的领域专业团队，致力于为工业和学术界的重大挑战提供解决方案。Koric博士领导了NCSA的Blue Waters千万亿级高性能计算系统的研究项目，该系统证明了工程工业应用在千万亿级计算级别甚至潜在的百亿亿级计算级别的可扩展性。他的专业知识广泛，涵盖多物理场、先进制造工艺、稀疏线性求解器、生物力学、有限元方法、GPU、人工智能(AI)和工业HPC计算。 

参考文献

Hunter T. Kollmann, Diab W. Abueidda, SeidKoric, Erman Guleryuz, Nahil A. Sobh. Deep learning for topology optimizationof 2D metamaterials. Materials and Design 196 (2020) 109098

通过阅读原文了解此项研究工作及成果。

多孔材料物理特性表征技术领先者

● 比翱工程实验室装备指南丨构建材料声学研究高地与实验验证平台
● MATI 2021 大会通知丨材料声学技术与产业化发展国际论坛● 院士观点 | 朱美芳：人工智能助力新材料研发
● 人工智能与新材料产业能擦出什么样的火花？！
● 普信科技受邀出席中国仿真学会人工智能仿真技术专业委员会成立大会● ProAcoustics丨裸行“人工智能”世界，如何保护您的私人数据和信息● ProAcoustics | 利用人工智能优化水下机器人的环境感知
免责声明：部分资料来源网络，转载目的在于传递信息及分享，并不意味赞同其观点或其真实性，也不构成其他建议。仅提供交流平台，不为其版权负责。如涉及侵权，请联系我们及时删除。