#新材料# 【清华团队提出机器学习设计新方法，快速优化多目标超材料结构】
2021 年，美国骨科及医疗科技公司史赛克（Stryker）由于骨植入物强度不够而被召回相关产品，引起领域内的高度关注。那么，这种现象是否有可能从源头被解决呢？
#清华大学# 温鹏副教授团队以解决实际应用问题为出发点，提出一种数据高效的新方法：生成式设计-多目标主动学习循环方法。他们从三维神经网络组成的机器学习和有限元法的角度出发，通过调整三维打印构造材料结构中的参数，在实现材料性能更佳的同时，提升材料的力学性能，且不额外增加材料的重量。
与均匀设计相比，这种无经验方法设计具有生物相容性弹性模量和更高强度的微尺度异构结构。该方法为结构超材料设计提供了一种多目标优化的设计工具，能够在机械、热力学、磁学等性能上获得最佳响应。
近日，相关论文以《#机器学习# 多目标超材料设计》（Machine learning-enabled constrained multi-objective design of architected materials）为题发表于 Nature Communications[1]。
清华大学博士生彭勃、韦业博士（现瑞士#洛桑联邦理工学院# 博士后）与#北京大学# 博士后秦瑜为该论文的共同第一作者，韦业、秦瑜与温鹏副教授为该论文的共同通讯作者。
韦业博士期间曾在 Science 发表论文，提出一种基于实验数据，针对单目标高熵合金设计进行优化的主动学习策略[2]。而这次新的研究在前期基础上，实现了针对多目标的优化。与上次研究不同的是，这次相关数据量和实验数据非常少。因此，研究人员提出，是否能够将机器学习和模拟结合，并利用三地打印技术验证 AI 设计的结果，进而形成工作流程的闭环？
基于制造方面参数、工艺、材料的可调性，锁定一款特定的工艺和其对应的材料非常关键。韦业指出，这个问题的难点在于保证模拟的真实性。为此，他们大约用了半年的时间，通过系列实验试图达到仿真模拟的精度要求。
戳链接查看详情：
清华团队提出机器学习设计新方法，快速优化多目标超材料结构
2021 年，美国骨科及医疗科技公司史赛克（Stryker）由于骨植入物强度不够而被召回相关产品，引起领域内的高度关注。那么，这种现象是否有可能从源头被解决呢？
#清华大学# 温鹏副教授团队以解决实际应用问题为出发点，提出一种数据高效的新方法：生成式设计-多目标主动学习循环方法。他们从三维神经网络组成的机器学习和有限元法的角度出发，通过调整三维打印构造材料结构中的参数，在实现材料性能更佳的同时，提升材料的力学性能，且不额外增加材料的重量。
与均匀设计相比，这种无经验方法设计具有生物相容性弹性模量和更高强度的微尺度异构结构。该方法为结构超材料设计提供了一种多目标优化的设计工具，能够在机械、热力学、磁学等性能上获得最佳响应。
近日，相关论文以《#机器学习# 多目标超材料设计》（Machine learning-enabled constrained multi-objective design of architected materials）为题发表于 Nature Communications[1]。
清华大学博士生彭勃、韦业博士（现瑞士#洛桑联邦理工学院# 博士后）与#北京大学# 博士后秦瑜为该论文的共同第一作者，韦业、秦瑜与温鹏副教授为该论文的共同通讯作者。
韦业博士期间曾在 Science 发表论文，提出一种基于实验数据，针对单目标高熵合金设计进行优化的主动学习策略[2]。而这次新的研究在前期基础上，实现了针对多目标的优化。与上次研究不同的是，这次相关数据量和实验数据非常少。因此，研究人员提出，是否能够将机器学习和模拟结合，并利用三地打印技术验证 AI 设计的结果，进而形成工作流程的闭环？
基于制造方面参数、工艺、材料的可调性，锁定一款特定的工艺和其对应的材料非常关键。韦业指出，这个问题的难点在于保证模拟的真实性。为此，他们大约用了半年的时间，通过系列实验试图达到仿真模拟的精度要求。
戳链接查看详情：
清华团队提出机器学习设计新方法，快速优化多目标超材料结构
