摘要
一种具备拓扑感知能力的生成式超材料设计方法,属于计算机辅助设计和材料工程领域。本发明首先对收集的二维超材料晶胞结构进行预处理,构建训练数据集,包括晶胞结构的离散二值场与有向距离场表征、物理属性、拓扑特征。随后在上述数据集基础上,利用扩散生成模型开展自监督学习,并引入物理属性与拓扑特征作为条件机制,指导晶胞结构的生成过程。最终用户可指定目标物理属性,结合模型在几何与拓扑特征空间的探索能力,快速生成满足需求且形态多样的晶胞结构。本发明为首个具备拓扑感知能力的超材料设计方法,具有高效性、高质量、结构生成稳定性强与设计多样性丰富等优点,适用于宏观多尺度结构设计,具有广阔的工程应用前景。
技术关键词
拓扑感知能力
超材料设计方法
拓扑特征
编码向量
浅层卷积神经网络
物理
多层感知器
多样化外形
像素
编码器
生成结构
最终用户
刚度
矩阵
数据
多尺度
短距离