テネシー州ノックスビル、2026 年 5 月 16 日 /24 時間 7 日プレスリリース/ – 先進的な複合材料は軽くて強いことで評価されていますが、材料のレイアウトと繊維配向の両方を最適化する必要がある場合、その設計は依然として時間がかかり、困難な作業です。この研究では、両方の問題に同時に取り組む深層学習手法を提示し、エンジニアが最適な連続複合構造を以前よりもはるかに効率的に作成できるようにします。この手法では、ResUNet ベースの敵対的生成ネットワークを使用して、シミュレートされたトポロジー最適化データから学習し、高性能の構造レイアウトを直接予測します。この取り組みは、より高速な設計と堅牢な精度および実験的検証を組み合わせることで、実際の製造現場でのより機敏な複合エンジニアリングへの実践的な道を開きます。
連続繊維強化複合材料は、その機械的性能が材料が配置される場所だけでなく、繊維の向きにも依存するため、航空宇宙、防衛、自動車、インフラストラクチャーにおいて幅広い関心を集めています。このため、トポロジーの最適化は非常に価値がありますが、非常に高価でもあります。連続ファイバー角度の最適化では多くの変数が追加され、非線形性が増大し、繰り返しの反復で計算時間が長くなる一方で、従来の方法が局所最適に閉じ込められる可能性があります。以前の深層学習の取り組みは、主に単一材料のより単純なレイアウトに焦点を当てており、形状と繊維配向の共同設計についてはあまり検討されていませんでした。これらの課題のため、連続繊維複合構造の非反復最適化に関するより詳細な研究が必要です。
北京理工大学の研究者は、清華大学および北京威興製造工場有限公司の共同研究者とともに、この新しい手法を2015年に報告した。 Acta Mechanica Sinica2024 年 9 月 4 日にオンラインで公開 (DOI: 10.1007/s10409-024-24207-x)。チームは、構造トポロジーと繊維配向の両方を一度に 1 ステップずつ予測するために、ResUNet 関与生成敵対的ネットワーク (ResUNet-GAN) と呼ばれる深層学習フレームワークを構築しました。これをトレーニングするために、彼らは、局所的な最適解のリスクを軽減するように設計された改良された主応力配向を備えた改良された連続繊維角度最適化戦略と、独立した連続マッピング手法を使用して、大規模な最適化セットを作成しました。
この方法は 3 つのリンクされたステップで機能します。まずチームは、片持ち梁、メッサーシュミット・ベルコウ・ブローム (MBB) 梁、L 型ブラケットという 3 つの古典的な設計領域にわたる連続繊維強化複合構造のデータセットを構築しました。各ドメインは 9,000 のサンプルを提供し、合計 27,000 のトレーニング ケースが生成されました。次に、連続繊維角度を色付きピクセルとしてエンコードする繊維配向クロマトグラムと、ジオメトリ、境界条件、荷重をネットワークの 3 チャネル入力テンソルに変換するパラメトリック最適化情報メソッドも作成しました。第三に、ResUNet-GAN は設計パラメータから最適な構造へのエンドツーエンドのマッピングを学習します。数値テストでは、トレーニングされたモデルは時間を大幅に短縮しながら、従来の最適化とほぼ一致する結果を生成しました。従来の方法では 47.075、39.542、26.569 秒かかった設計が、構造に応じてわずか 0.006、0.009、0.006 秒で作成されました。報告されたトポロジ エラーは 5.12%、3.81%、および 5.22% と低く、繊維配向エラーは 4.01%、3.59%、および 2.11% でした。
著者らは、この研究の真の価値は、AI によって最適化が迅速化されるだけでなく、ファイバー経路が形状と同じくらい重要な複合構造の共同設計を実用化できることであると述べた。彼らは、このフレームワークは、高応力領域で必要とされる秩序だった繊維パターンを維持しながら、トレーニングされたモデルが設計条件から製造可能なレイアウトに直接移行できることを示していると述べています。この意味で、この研究は、時間のかかる反復的な最適化から、エンジニアリングやプラントのスケジュールにうまく対応できる、より直接的な設計ワークフローへの移行を示しています。
その影響は数値的な速度をはるかに超えています。チームは AI 設計の構造を積層造形で製造し、圧縮状態でテストしたところ、明らかな機械的向上が示されました。最高のパフォーマンスを発揮する構成では、ピーク荷重は 2.927 kN に達し、剛性は 1.505 kN/mm に達しました。繊維角度が固定された強化構造と比較して、AI 設計モデルはピーク荷重をそれぞれ 209.5% と 174.0% 改善し、剛性を 244.7% と 176.4% 改善しました。これらの結果は、AI 支援トポロジー最適化が、特に迅速なターンアラウンドとパフォーマンス調整の両方が重要である実際のエンジニアリング アプリケーションに、より強力で軽量、よりカスタマイズ可能な複合材料を導入するのに役立つことを示唆しています。
参考文献
土肥
10.1007/s10409-024-24207-x
ソースの元の URL
https://doi.org/10.1007/s10409-024-24207-x
資金調達情報
この研究は、中国国家自然科学財団 (助成金番号 11872080) および北京自然科学財団 (助成金番号 3192005) の支援を受けました。
について Acta Mechanica Sinica
Acta Mechanica Sinicaは、中国理論応用力学協会が主催する国際ジャーナルです。世界中の寄稿者からの質の高い独自研究を公開し、国内外の中国人研究者間の科学交流の重要なプラットフォームとして機能します。このジャーナルは、理論力学および応用力学の全範囲にわたる最近の進歩に焦点を当てており、固体力学や流体力学などの古典的な分野だけでなく、学際的な力学やデータ駆動力学などの新興分野もカバーしています。力学および関連分野における分析、計算、実験の進歩に重点を置いています。このジャーナルは、学際的な研究を奨励することで、記事、レビュー、迅速なコミュニケーション、メモ、実験技術、特集を通じて、機械学を工学や科学のより広範な分野に結び付けるのにも役立ちます。
Chuanlink Innovations では、革新的なアイデアが真の可能性を発見します。伝達とつながりの本質に根ざした当社の名前は、イノベーションを促進し、構想から実現までのアイデアの旅を促進するという当社の取り組みを反映しています。
関連リンク:
http://chuanlink-innovations.com
# # #
