应变
Nature子刊 | 通过视频去噪扩散模型进行非线性机械超材料逆向设计
编辑 | 绿萝复杂材料特性的逆向设计,在解决软机器人、生物医学植入物和织工程等方面具有巨大潜力。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。近日,苏黎世联邦理工学院(ETH Zurich)的研究人员为了定制非线性响应,证明了在周期性随机 cellular 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学习从属性到设计的映射的常见策略,并将框架扩展为内在估计预期变形路径和全场内应力分布,这与有限元模拟非常一
1/5/2024 10:45:00 AM
ScienceAI
- 1
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
DeepSeek
谷歌
AI绘画
机器人
大模型
数据
Midjourney
开源
Meta
智能
微软
AI新词
用户
GPT
学习
技术
智能体
马斯克
Gemini
图像
Anthropic
英伟达
AI创作
训练
LLM
论文
代码
算法
Agent
AI for Science
芯片
苹果
腾讯
Claude
Stable Diffusion
蛋白质
开发者
生成式
神经网络
xAI
机器学习
3D
RAG
人形机器人
研究
AI视频
大语言模型
生成
具身智能
Sora
工具
GPU
百度
华为
计算
字节跳动
AI设计
AGI
大型语言模型
搜索
视频生成
场景
深度学习
DeepMind
架构
生成式AI
编程
视觉
Transformer
预测
AI模型
伟达
特斯拉
亚马逊