Nature顶刊发布！青年海归学者“重拳出击”，颠覆传统认知！解锁复合材料领域新理念！

文章预览

复合材料属性的加速逆向设计（例如在非线性变形路径上识别具有给定应力-应变响应的材料）在解决从软机器人到生物医学植入物和减轻冲击的挑战方面具有巨大潜力。尽管机器学习模型提供了此类逆映射，但它们通常仅限于线性目标属性，例如刚度。在这里，为了定制非线性响应，我们表明，在周期性随机细胞结构的全场数据上训练的视频扩散生成模型可以成功地预测和调整它们在大应变状态下压缩下的非线性变形和应力响应，包括屈曲和接触。成功的关键是打破直接从学习从属性到设计映射的常见策略，并扩展框架以从本质上估计预期的变形路径和全场内应力分布，这与有限元仿真非常一致。因此，这项工作有可能简化和加速具有复杂靶性能的材料识别。 复合材料因其独特的性能优势，在现代科技和工程中占据着越来越重要的地位。多物理 ………………………………