比翱实验室2022精选丨通过多尺度、可变截面内部设计增强细胞材料：机械属性和神经网络建模

导读此项研究工作结合了实验、数值模拟和机器学习技术，分析了具有空心可变截面内部单元的多尺度蜂窝材料的力学响应。首先，多尺度设计对宏观材料属性的影响被量化为它们内部结构的函数。在此范围内，详细阐述了轴向和弯曲内部单元尺度刚度的解析、闭合形式表达式。对可变截面、多尺度蜂窝、方形和重入星形晶格结构的多尺度超材料性能进行了数值探索。据观察，可以实现显著的法向、体积和剪切比刚度增加，这取决于上层晶格图案。随后，创建了扩展的机械数据集，用于训练超材料性能的机器学习模型。因此，确定了可以稳健地捕获多尺度材料响应的神经网络（NN）架构和建模参数。结果表明，数值成本相当低的NN模型可以以相当高的精度评估整套弹性特性，从而在基础设计参数和宏观超材料性能之间提供直接联系。此外，逆向、多 ………………………………