新しいメタマテリアルの作成効率が 74% に達し、ETH などは代数言語モデルを使用して次元を削減し、3D 構造を設計します

チューリッヒ工科大学とデルフト工科大学は、生成 AI を使用して 3D メタマテリアル リバース デザインを実現する DiffuMeta フレームワークを「Nature - Machine Intelligence」で公開しました。従来のトポロジ最適化では大量のシミュレーションが必要であり、非線形の薄いシェル構造の処理が困難である一方、ボクセル AI の生成コストは高く、表面は粗いです。 DiffuMeta は、複雑な 3D ジオメトリを代数言語シーケンスに変換し、拡散トランスフォーマーがテキストのような構造を生成できるようにします。目的の応力-ひずみ曲線を入力するだけで、対応する単位セルが自動的に出力され、複数の機械的特性を同時に制御できます。テストでは、生成された構造の 100% が新しいトポロジで、74% が要件を満たし (ランダムな組み合わせは 3.2% のみ)、非線形ターゲット誤差は 4.6% 未満でした。 3D プリンティングの例では、カスタマイズされた機能材料の開発を加速し、より正確で、より速く、よりコスト効率の高い機械メタマテリアル設計への新しい道をもたらす能力を検証しました。