Inverzna zasnova napihljivih mehkih membran s pomočjo strojnega učenja

Minimalizem
»Raziskovalci se na vseh področjih znanosti vedno bolj osredotočajo na oblikovanje mehkih naprav, ki se lahko oblikujejo in preoblikujejo, da dosežejo funkcionalnost. Vendar pa je prepoznavanje oblike mirovanja, ki vodi do ciljne 3D oblike po sprožitvi, netrivialna naloga, ki vključuje inverzne zmogljivosti načrtovanja. V tej študiji je predstavljena preprosta in učinkovita platforma za oblikovanje vnaprej programiranih 3D oblik, ki se začnejo z 2D ravninskimi kompozitnimi membranami. Z usposabljanjem nevronskih mrež z majhnim naborom simulacij končnih elementov lahko avtorji pridobijo optimalno zasnovo pikselizirane 2D elastomerne membrane in inflacijski tlak, ki je potreben, da se spremeni v ciljno obliko. Predlagana metoda ima potencial za uporabo v več obsegih in za različne aplikacije. Kot primer je prikazano, kako se te inverzno zasnovane membrane lahko uporabljajo za aplikacije mehanoterapije s stimulacijo določenih območij, pri čemer se izogibajo predpisanim lokacijam.«

Poiščite odprt dostop tehnični papir tukaj in Članek s Harvarda tukaj.

Antonio Elia Forte,* Paul Z. Hanakata, Lishuai Jin, Emilia Zari, Ahmad Zareei, Matheus C. Fernandes, Laura Sumner, Jonathan Alvarez in Katia Bertoldi*