荷兰的人工智能研究人员提出了一种基于机器学习的方法来设计具有有用特性的新型复杂超材料
组合问题在拼图、折纸和超材料设计中很常见。 这些问题很少见，并且解决方案数量有限。 它们在配置空间中生成复杂的边界。 使用标准统计和数字技术捕获这些边界非常困难。 你能在不损坏 3D 折纸的情况下展平它吗？ 这是组合问题的一个很好的例子。 这是因为每次折叠都必须与展平一致。 仅通过查看设计很难预测这样的结果。 UvA 物理研究所与 AMOLF 研究中心合作，表明机器学习技术可用于回答这些问题。
卷积神经网络可以非常精确地区分超材料的边界，即使它们是在严重欠采样的数据上训练的。 网络可以通过使用稀疏数据推断出基本的组合规则。 据研究团队称，这将使人工智能更容易开发复杂的超材料。 在最近的一项研究中，该团队使用人工智能检查了预测这些组合超材料特性的准确性。 他们的工作还发表在《物理评论快报》上。
人造材料是由它们的几何结构而不是它们的化学成分控制的。 像折纸这样的超材料就是一个很好的例子。 折纸的折叠方式决定了它的压平能力，而不是纸张的类型。 巧妙的设计使我们能够精确控制超材料的弯曲、凸起和屈曲。 该技术可应用于各种不同的应用，包括可展开的卫星太阳能电池板和减震器。
来源和详细信息：