学术前沿 | 超越参数化设计的极限：潜在空间探索策略实现超宽频声学超材料

COMSOL 多物理场仿真技术 · 公众号 · · 2024-05-20 21:34

正文

请到「今天看啥」查看全文

通风声学谐振器（VAR）作为一种声学超材料（AM）已被提出作为缓解城市噪音污染和交通噪声的有希望解决方案，因为这些场景同时需要通风。然而，由于高度的非线性，利用解析方法进行复杂VAR的反向设计是不可行的。深度学习为基础的反向设计方法作为解析方法的替代方案正日益受到关注，但仍存在显著的挑战：基于参数的方法在设计灵活性方面受限，而基于像素图像的方法则容易导致声学衰减性能的重要形状退化。为了解决这些挑战，我们提出了一种通过遗传算法（GA）优化为基础的潜在空间探索策略，实现超宽频非参数化VAR的反向设计框架。基于GA的探索利用条件变分自编码器（CVAE）降维后的潜在空间，能够以更低的计算成本生成超宽频非参数化VAR并保持声音衰减所必需的形状。经过GA优化的非参数化VAR相比训练数据集，带宽平均增加了28.76%，而且与基于参数的优化方法相比还展示了更宽的带宽，从而拓展了声学衰减性能的限制。我们的创新方法为复杂机械结构的优化铺平了道路。

在这项研究中，我们提出了一种基于遗传算法优化的潜在空间探索策略，用于搜索具有目标峰值频率宽带声衰减性能的非参数VAR结构。通过对CVAE的训练，生成一个隐空间，对VAR的几何特征和相应的峰值频率信息进行编码。以扩大VAR在生成的潜在空间上的带宽为目标进行遗传算法优化。由于我们的优化方法，有可能创建一个带宽比训练数据集中带宽最宽的VAR更宽的非参数VAR结构。此外，为了验证非参数VAR具有出色的消声性能，我们将基于参数的GGS算法搜索的参数定义的典型VAR与基于GA优化的潜空间探索策略搜索的非参数VAR进行了比较，证实了非参数VAR的带宽更宽。可以反设计具有更宽带宽的非参数VAR，其目标峰值频率是基于参数的反设计方法无法实现的。利用潜在空间可以在不破坏VAR函数形态的前提下进行优化，降低了计算成本。此外，通过提高二维截面图像的分辨率，基于遗传算法优化的潜在空间探索策略可以扩展到以高分辨率二维截面图像为代表的更复杂的机械结构的优化，包括机械超材料、翅片散热器和翼型。此外，利用更先进的最先进的深度生成模型和高计算资源将扩展我们提出的方法，使其适用于具有高非在线度的更复杂结构(Rombach et al.， 2022)。然而，利用网格、体素和点云等结构的3D表示来应用我们的方法仍然是一项具有挑战性的任务，因为目前3D结构的深度生成模型表现出不足的性能(Shi et al.， 2022)。此外，由于潜空间对VAE编码器提取的高维数据的特征进行了编码，在重建复杂结构的图像时，可能会出现细节信息的模糊或遗漏。在VAE上应用跳跃连接保存信息，利用互信息改善数据与潜在空间之间的连接，是解决潜在空间信息丢失问题的可能解决方案(Zhao et al.， 2017;郑等人，2018)。我们提出的潜在空间搜索策略为具有非线性机构或非典型复杂结构的机械结构的非参数反设计和优化开辟了新的领域。在未来的工作中，我们考虑在潜在空间上应用其他优化算法，如基于强化学习的优化和基于贝叶斯的潜在空间优化，以克服遗传算法优化的概率和随机性依赖。

有关论文的更多信息请点击左下角阅读原文

免责声明：本文中的部分资料来源于该期刊文章，转载目的在于传递信息及分享，并不意味赞同其观点或真实性，也不构成其他建议。本公众号仅提供交流平台，供广大读者学习，不为其版权负责。如涉及侵权、隐私等问题，请联系我们及时删除，同时也欢迎广大读者进行投稿交流。