学术前沿 | 机器学习 – 实现具有最佳声音和能量吸收的壳基晶格超材料的逆向设计

COMSOL 多物理场仿真技术 · 公众号 · · 2024-10-18 21:16

正文

目前，壳基晶格的发展越来越关注多功能，对声和能吸收的结合越来越感兴趣。然而，很少有研究探索多目标逆设计过程。在此，我们提出了一种新的方法，利用机器学习（ML）来优化基晶格的力学和声学性能。首先，利用k-最近邻和人工神经网络来预测不同构型的性质。然后采用非支配排序遗传算法来生成所需的结构。最后，所生成的轻质超材料实现了最佳的多功能性能（能量吸收能力比甲状腺的典型结构高50%，在特定频带的声吸收系数接近1）。此外，我们的工作还提出了力学性能和声学性能的潜在权衡现象。总之，这项工作提出了一个新的概念，利用ML和遗传算法为壳格超材料多功能逆设计的应用。