Ved hjælp af maskinlæring kan en ny platform programmere transformationen af 2D-strækbare overflader til specifikke 3D-former.
Abstrakt
"På tværs af videnskabsområder har forskere i stigende grad fokuseret på at designe bløde enheder, der kan forme-morfe for at opnå funktionalitet. Men at identificere en hvileform, der fører til en mål-3D-form ved aktivering, er en ikke-triviel opgave, der involverer omvendte designmuligheder. I denne undersøgelse præsenteres en enkel og effektiv platform til at designe forprogrammerede 3D-former med udgangspunkt i 2D plane kompositmembraner. Ved at træne neurale netværk med et lille sæt af finite element-simuleringer er forfatterne i stand til at opnå både det optimale design for en pixeleret 2D elastomer membran og det inflationstryk, der kræves for, at det kan omdannes til en målform. Den foreslåede metode har potentiale til at blive anvendt i flere skalaer og til forskellige anvendelser. Som et eksempel er det vist, hvordan disse omvendt designede membraner kan bruges til mekanoterapi-applikationer ved at stimulere bestemte områder og samtidig undgå foreskrevne steder."
Find den åbne adgang teknisk papir her , Harvards artikel her.
Antonio Elia Forte,* Paul Z. Hanakata, Lishuai Jin, Emilia Zari, Ahmad Zareei, Matheus C. Fernandes, Laura Sumner, Jonathan Alvarez og Katia Bertoldi*
