74 % Effizienz bei der Erstellung neuer Metamaterialien. ETH und andere nutzen algebraische Sprachmodelle. um die Dimensionalität zu reduzieren und 3D-Strukturen zu entwerfen

Die ETH Zürich und die Technische Universität Delft haben in „Nature – Machine Intelligence“ das DiffuMeta-Framework veröffentlicht, das generative KI nutzt, um ein 3D-Metamaterial-Reverse-Design zu erreichen. Die traditionelle Topologieoptimierung erfordert eine große Menge an Simulationen und ist schwierig mit nichtlinearen dünnen Schalenstrukturen umzugehen, während die Kosten für die Voxel-KI-Erzeugung hoch und die Oberflächen rau sind. DiffuMeta wandelt komplexe 3D-Geometrien in algebraische Sprachsequenzen um und ermöglicht es dem Diffusionstransformer, Strukturen wie Text zu generieren. Geben Sie einfach die gewünschte Spannungs-Dehnungs-Kurve ein, und die entsprechende Elementarzelle kann automatisch ausgegeben werden, wodurch mehrere mechanische Eigenschaften gleichzeitig gesteuert werden. Im Test waren 100 % der generierten Strukturen neue Topologien, 74 % erfüllten die Anforderungen (nur 3,2 % zufällige Kombinationen) und der nichtlineare Zielfehler betrug weniger als 4,6 %. Beispiele für 3D-Druck haben gezeigt, dass es die Entwicklung maßgeschneiderter Funktionsmaterialien beschleunigen kann und einen genaueren, schnelleren und kostengünstigeren neuen Weg für das Design mechanischer Metamaterialien eröffnet.