Data-Efficient Discovery of Hyperelastic TPMS Metamaterials with Extreme Energy Dissipation

本文介绍了一种发现新型微观三重周期性最小曲面（TPMS）结构的方法，这些结构具有出色的能量耗散能力，达到了最佳现有TPMS基元结构的两倍。我们的方法采用参数化表示，允许结构之间的无缝插值，并表示丰富的TPMS设计空间。我们发现，优化微观超弹性结构的模拟计算是不可行的，因此提出了一种样本高效的计算策略，可快速发现具有极端能量耗散能力的结构。我们使用来自3D打印和测试的有限经验数据，通过不断迭代的方式，通过批次贝叶斯优化来精细调整模型，选择最大化性能空间探索和利用我们的能量耗散目标的结构进行制造。使用我们的方法，我们生成了第一个开源的超弹性微观TPMS结构数据集，包括一组展示出极端能量耗散能力的新型结构。我们展示了这些结构在防护设备和骨植入物等多个潜在应用领域的应用。

如何发现具有极高能量吸收能力的微观三重周期最小曲面（TPMS）结构？

采用参数化表示，结合计算策略和深度学习方法，快速发现具有极高能量吸收能力的微观TPMS结构。

使用了样本高效的计算策略和不确定性感知的深度集成模型，通过迭代优化和3D打印测试，发现了新型TPMS结构，并制作了开源数据集。该研究为保护装备和骨植入物等领域提供了新的设计思路。

最近的相关研究包括：《Metamaterials: A New Frontier of Science and Engineering》、《Microarchitected Materials: From Architected Matter to Programmable Metamaterials》等。