×
李湘；宁、邵武；刘占利；颜子明；罗成成；庄、卓

通过基于深度学习的数据驱动方法设计具有预期带隙的声子晶体。 （英语） Zbl 1442.74135号

计算。方法应用。机械。工程师。 361，文章ID 112737，21 p.（2020）.
摘要：声子晶体是一种由细胞周期性重复构成的人工异质材料。这种特性为精确操纵声波和弹性波提供了可能的解决方案。因此，声子晶体在减振降噪、滤波、声透镜、声成像和声隐身等方面具有潜在的应用前景，因此在信息、通信和医学应用领域具有重要意义。设计具有预期操纵特性的声子晶体已成为近年来的研究热点。然而，如何准确地操纵声波和机械波仍是现有设计方法面临的主要挑战。在基于图像的有限元分析和深度学习的辅助下，本研究提出了一种数据驱动的声子晶体设计方法。训练自动编码器从样本图像中提取拓扑特征。采用有限元分析方法对样品的带隙进行了研究。训练多层感知器以建立带隙和拓扑特征之间的内在关系。经过训练的模型最终用于设计具有预期带隙的声子晶体。不仅限于这种材料，所提出的方法还可以进一步扩展到设计具有特定功能的各种结构机械材料。

引用于12文件

MSC公司：

74M05个 固体力学中的控制、开关和设备（“智能材料”）
65Z05个 科学应用

关键词：

材料设计；声子晶体；带隙；深度学习；有限元分析

软件：

顶部。米；达奇；前88.m；Matlab公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Li}等人，计算。方法应用。机械。工程361，文章ID 112737，21 p.（2020；Zbl 1442.74135）
全文： 内政部

参考文献：

[1] Lee，J.H。；辛格，J.P。；Thomas，E.L.，微/纳米结构机械超材料，高级材料。，24, 36, 4782-4810 (2012)
[2] Kushwaha，医学硕士。；Halevi，P。；Dobrzynski，L。；Djafari-Rouhani，B.，周期弹性复合材料的声带结构，物理。修订稿。，71, 13, 2022 (1993)
[3] Martínez-Sala，R.，《雕塑的声音衰减》，《自然》，378241（1995）
[4] 佩奇，J.H。；盛，P。；施里默，H.P。；琼斯，I。；景，X。；Weitz，D.A.，强散射介质中的群速度，《科学》，271，5249，634-637（1996）
[5] 佩内克，Y。；Djafari-Rouhani，B.，《声子晶体的基本特性》，声子晶体，23-50（2016），Springer
[6] 施里默，H.P。；Cowan，M.L。；佩奇，J.H。；盛，P。；刘，Z。；Weitz，D.A.，强散射介质中扩散波的能量速度，物理学。修订稿。，79, 17, 3166 (1997)
[7] Sigalas，M.M。；Economou，E.N.，弹性和声波波段结构，J.Sound Vib。，158, 377-382 (1992)
[8] Srivastava，G.P.，《声子物理》（1990），CRC出版社
[9] Zheng，L.-Y.，《颗粒单层：波动力学和拓扑特性》（2017），缅因大学
[10] Vasseur，J。；马塔尔，O.B。；罗比拉德，J。；Hladky-Hennion，A.-C.公司。；Deymier，P.A.，由磁弹性材料制成的体二维声子晶体的能带结构可调谐性，AIP Adv.1，4，文章041904 pp.（2011）
[11] 谢毅。；Wang，W。；陈，H。；Konneker，A。；波帕，B.-I。；Cummer，S.A.，《声亚表面的波前调制和亚波长衍射声学》，国家通讯。，5, 5553 (2014)
[12] 佩内克，Y。；Vasseur，J.O。；贾法里·鲁哈尼，B。；多布伦斯基，L。；Deymier，P.A.，《二维声子晶体：示例和应用》，《表面科学》。代表，65，8，229-291（2010）
[13] 刘，Z。；张，X。；毛泽东，Y。；Zhu，Y。；杨，Z。；Chan，C.T。；Sheng，P.，《局部共振声波材料》，《科学》，289，5485，1734-1736（2000）
[14] 胡，X。；沈毅。；刘，X。；Fu，R。；Zi，J.，液体表面波中的超透镜效应，物理学。E版，69，3，第030201条，pp.（2004）
[15] Cervera，F。；Sanchis，L。；Sánchez-Pérez，J。；Martinez-Sala，R。；鲁比奥，C。；梅塞盖尔，F。；洛佩兹，C。；卡巴列罗，D。；Sánchez-Dehesa，J.，《空气声折射声学设备》，Phys。修订稿。，88，2，第023902条pp.（2001）
[16] Kushwaha，医学硕士。；Halevi，P。；Dobrzynski，L。；Djafari-Rouhani，B.，周期弹性复合材料的声带结构，物理。修订稿。，71, 13, 2022 (1993)
[17] Kushwaha，医学硕士。；Halevi，P。；马丁内斯，G。；Dobrzynski，L。；Djafari-Rouhani，B.，周期弹性复合材料的声带结构理论，物理学。B版，49、4、2313（1994年）
[18] Sigalas，M。；Economou，E.N.，二维系统中弹性波的能带结构，固体通讯。，86, 3, 141-143 (1993)
[19] Vasseur，J。；贾法里·鲁哈尼，B。；Dobrzynski，L。；Kushwaha，M。；Halevi，P.，《周期性纤维增强复合材料中的完整声带隙：碳/环氧树脂复合材料和一些金属系统》，J.Phys.：康登斯。物质。，第6、42、8759页（1994年）
[20] Sigalas，M。；Kushwaha，医学硕士。；Economou，E.N。；Kafesaki，M。；Psarobas，I.E。；Steurer，W.，声子晶格中的经典振动模式：理论和实验，Z.für Kristalographie-Crystal Mater。，220, 9-10, 765-809 (2005)
[21] 王，P。；希姆·J。；Bertoldi，K.，几何和材料非线性对声子晶体可调谐带隙和低频方向性的影响，Phys。B版，88，1，第014304条pp.（2013）
[22] 黄，H。；Sun，C.，具有内部谐振器的复合材料的连续建模，Mech。材料。，46, 1-10 (2012)
[23] 科罗德尔，S。；托美，N。；Daraio，C.，宽带地震亚结构，极端力学。莱特。，4, 111-117 (2015)
[24] 南塔库马，S.S。；庄，X。；帕克，H.S。；Nguyen，C。；陈，Y。；Rabczuk，T.，基于量子自旋霍尔的声子拓扑绝缘体的逆设计，J.Mech。物理。固体，125550-571（2019）·Zbl 1474.81029号
[25] Nguyen，B.H。；庄，X。；帕克，H.S。；Rabczuk，T.，《预应力软声子晶体中的可调谐拓扑带隙和频率》，J.Appl。物理。，125, 9 (2019)
[26] 哈尔克杰·r，S。；西格蒙德，O。；Jensen，J.S.，通过拓扑优化进行声子晶体的反向设计，Z.Kristallogr-克里斯特。材料。，220, 9-10, 895-905 (2005)
[27] 西格蒙德，O。；Jensen，J.S.，通过拓扑优化对声子带隙材料和结构进行系统设计，Phil.Trans。R.Soc.伦敦。数学。物理。工程科学。，361, 1806, 1001-1019 (2003) ·Zbl 1067.74053号
[28] 刘凯。；Tovar，A.，用Matlab编写的高效三维拓扑优化代码，Struct。多磁盘。最佳。，50, 6, 1175-1196 (2014)
[29] 西格蒙德，O。；Maute，K.，拓扑优化方法，结构。多磁盘。最佳。，481031-1055（2013年）
[30] Bendsøe，M.P.，作为材料分布问题的最优形状设计，结构。最佳。，193-202年1月4日（1989年）
[31] Rozvany，G.I。；周，M。；Birker，T.，无均匀化的广义形状优化，结构。最佳。，4, 3-4, 250-252 (1992)
[32] Mlejnek，H.，《结构成因的某些方面》，《结构》。最佳。，5, 1-2, 64-69 (1992)
[33] Sigmund，O.，用Matlab编写的99线拓扑优化代码，Struct。多磁盘。最佳。，21, 2, 120-127 (2001)
[34] 安德烈森，E。；克劳森，A。；舍维尼尔斯，M。；拉扎罗夫，B.S。；Sigmund，O.，使用88行代码在MATLAB中进行高效拓扑优化，Struct。多磁盘。最佳。，43，1，1-16（2011年）·Zbl 1274.74310号
[35] 阿勒，G。；Jouve，F。；Toader，A.-M.，形状优化的水平集方法，C.R.数学。，334, 12, 1125-1130 (2002) ·Zbl 1115.49306号
[36] 阿勒，G。；Jouve，F。；Toader，A.-M.，《使用灵敏度分析和水平集方法进行结构优化》，J.Compute。物理。，194, 1, 363-393 (2004) ·Zbl 1136.74368号
[37] Wang，M.Y。；王，X。；郭，D.，结构拓扑优化的水平集方法，计算。方法应用。机械。工程，192，1-2，227-246（2003）·兹比尔1083.74573
[38] 布尔丁，B。；Chambolle，A.，拓扑优化中的设计相关负载，ESAIM Control Optim。计算变量，9，19-48（2003）·Zbl 1066.49029号
[39] 竹泽，A。；西瓦基，S。；Kitamura，M.，基于相场法和灵敏度分析的形状和拓扑优化，J.Compute。物理。，229, 7, 2697-2718 (2010) ·Zbl 1185.65109号
[40] 汉堡，M。；Stainko，R.，局部应力约束下拓扑优化的相场松弛，SIAM J.Control Optim。，45, 4, 1447-1466 (2006) ·Zbl 1116.74053号
[41] 索科·奥斯基，J。；Żochowski，A.，形状优化中的拓扑导数，（优化百科全书（2001），Springer），2625-2626
[42] Norato，J.A。；本德瑟，M.P。；哈伯，R.B。；Tortorelli，D.A.，拓扑优化的拓扑导数方法，结构。多磁盘。最佳。，33, 4-5, 375-386 (2007) ·Zbl 1245.74074号
[43] 谢永明。；Steven，G.P.，《结构优化的简单进化程序》，计算。结构。，49, 5, 885-896 (1993)
[44] Mattheck，C。；Burkhardt，S.，《基于生物生长的结构形状优化新方法》，《国际疲劳杂志》，第12期，第3期，第185-190页（1990年）
[45] 东，H.-W。；苏，X.-X。；王永生，二维多孔声子晶体的多目标优化，J.Phys。D： 申请。物理。，47, 15 (2014)
[46] 东，H.-W。；苏，X.-X。；Wang，Y.-S。；张，C.，基于有限元法和遗传算法的二维声子晶体拓扑优化，结构。多磁盘。最佳。，50, 4, 593-604 (2014)
[47] 东，H.-W。；苏，X.-X。；Wang，Y.-S。；张，C.，二维非对称声子晶体的拓扑优化，物理学。莱特。A、 378、4、434-441（2014）
[48] Y.f.Li，H.-W。；黄，X。；孟，F。；周，S.，声子带隙晶体的演化拓扑设计，结构。多磁盘。最佳。，54595-617（2016）
[49] 鲁普，C.J。；Evgrafov，A。；Maute，K。；Dunn，M.L.，使用拓扑优化的表面波器件的声子材料/结构的设计，结构。多磁盘。最佳。，34, 2, 111-121 (2006) ·Zbl 1273.74405号
[50] 张，X。；He，J。；竹泽，A。；Kang，Z.，具有随机场不确定性的声子晶体稳健拓扑优化，国际。J.数字。方法工程，115，9，1154-1173（2018）
[51] 贝萨，M。；博斯塔纳巴德，R。；刘，Z。；胡，A。；阿普利，D.W。；布林森，C。；Chen，W。；Liu，W.K.，《不确定性下材料的数据驱动分析框架：对抗维度诅咒》，计算。方法应用。机械。工程，320，633-667（2017）·Zbl 1439.74014号
[52] McCulloch，W.S。；Pitts，W.，《神经活动内在思想的逻辑演算》，布尔。数学。生物物理学。，5, 4, 115-133 (1943) ·Zbl 0063.03860号
[53] 辛顿，G.E。；Osindero，S。；Teh，Y.-W.，深度信念网络的快速学习算法，神经计算。，18, 7, 1527-1554 (2006) ·Zbl 1106.68094号
[54] Hinton，G.E.，《学习多层表征》，《趋势认知》。科学。，11, 10, 428-434 (2007)
[55] LeCun，Y。；Y.本吉奥。；Hinton，G.，《深度学习》，《自然》，521，7553，436（2015）
[56] Schmidhuber，J.，《神经网络中的深度学习：概述》，神经网络。，61, 85-117 (2015)
[57] 古德费罗，I。；Y.本吉奥。；库尔维尔，A。；Bengio，Y.，《深度学习》（2016），麻省理工学院出版社剑桥·Zbl 1373.68009号
[58] Raccuglia，P。；Elbert，K.C。；阿德勒，P.D。；福尔克，C。；文尼，医学博士。；A.莫罗。；泽勒，M。；弗里德勒，S.A。；施里尔，J。；Norquist，A.J.，《利用失败实验发现机器学习辅助材料》，《自然》，533，7601，73（2016）
[59] Sanchez-Lengeling，B。；Aspuru-Guzik，A.，《使用机器学习的反向分子设计：物质工程的生成模型》，《科学》，361，6400，360-365（2018）
[60] 西尔弗·D。；黄，A。；Maddison，C.J。；A.盖兹。；Sifre，L。；Van，d.d.G。；Schrittwieser，J。；安东尼奥卢，I。；Panneershelvam，V。；Lanctot，M.，《利用深度神经网络和树搜索掌握围棋游戏》，《自然》，529，7587，484-489（2016）
[61] Le Cun，Y.，（非对称阈值网络中的学习过程，无序系统和生物组织（1986），Springer），233-240·Zbl 1356.82026号
[62] Rumelhart，D.E。；辛顿，G.E。；Williams，R.J.，《通过反向传播错误学习表征》，《自然》，3236088533（1986）·Zbl 1369.68284号
[63] Werbos，P.，《超越回归：行为科学中预测和分析的新工具》（1974年），哈佛大学（博士论文）
[64] Furukawa，T。；Yagawa，G.，使用神经网络的粘塑性隐式本构建模，国际。J.数字。方法工程，43，2，195-219（1998）·Zbl 0926.74020号
[65] 加布西，J。；佩克诺德，医学博士。；张，M。；Haj Ali，R.M.，神经网络本构模型的自动渐进训练，国际。J.数字。方法工程师，42，105-126（1998）·兹比尔0915.73075
[66] 哈沙什，Y。；Jung，S。；Ghaboussi，J.，有限元分析中基于神经网络的材料模型的数值实现，国际。J.数字。方法工程，59，7，989-1005（2004）·Zbl 1065.74609号
[67] 吉，G。；李，F。；李，Q。；李，H。；Li，Z.，预测Aermet100钢高温变形行为的Arrhenius型本构模型和人工神经网络模型的比较研究，马特。科学。工程A，528，13-14，4774-4782（2011）
[68] Jung，S。；Ghaboussi，J.，速率相关材料的神经网络本构模型，计算。结构。，84, 15-16, 955-963 (2006)
[69] 孙，Y。；曾伟。；Zhao，Y。；齐，Y。；马，X。；Han，Y.，使用人工神经网络开发Ti600合金本构关系模型，计算。马特。科学。，48, 3, 686-691 (2010)
[70] 郭，H。；庄，X。；Rabczuk，T.，基尔霍夫板弯曲分析的深度配置法，计算。马特。Continua，58，2，433-456（2019）
[71] Beigzadeh，R。；Rahimi，M.，《使用人工神经网络预测螺旋盘管中的传热和流动特性》，国际通讯社。热质传递，39，8，1279-1285（2012）
[72] Butz，T。；Von Stryk，O.，《电磁流变液阻尼器的建模与仿真》，ZAMM-J.Appl。数学。机械/Z.安圭。数学。机械。申请。数学。机械。，82, 1, 3-20 (2002) ·Zbl 1045.76055号
[73] 法勒，W.E。；Schreck，S.J.，神经网络的非定常流体力学应用，J.Aircr。，34, 1, 48-55 (1997)
[74] Mi，Y。；石井，M。；Tsoukalas，L.，使用神经网络和两相流模型的流态识别方法，Nucl。工程设计。，204, 1-3, 87-100 (2001)
[75] 王，D。；Liao，W.，使用神经网络对磁流变液阻尼器进行建模和控制，Smart Mater。结构。，14, 1, 111 (2004)
[76] 于洪，Z。；文欣，H.，人工神经网络在明渠水流摩擦系数预测中的应用，Commun。非线性科学。数字。模拟。，14, 5, 2373-2378 (2009)
[77] R.苍。；李，H。；姚，H。；焦，Y。；Ren，Y.，通过卷积神经网络和形态感知生成模型从成像数据改进非均匀材料的直接物理性质预测，计算。马特。科学。，150, 212-221 (2018)
[78] Koker，R。；Altinkok，N。；Demir，A.，使用各种训练算法基于神经网络预测颗粒增强金属基复合材料的力学性能，Mater。设计。，28, 2, 616-627 (2007)
[79] 近藤，R。；山川，S。；Masuoka，Y。；田岛，S。；Asahi，R.，利用卷积神经网络预测陶瓷离子电导率的微观结构识别，材料学报。，141, 29-38 (2017)
[80] 刘，Z。；贝萨，M。；Liu，W.K.，自洽聚类分析：非弹性非均匀材料的有效多尺度方案，计算。方法应用。机械。工程，306319-341（2016）·Zbl 1436.74070号
[81] 李，X。；刘，Z。；崔，S。；罗，C。；李，C。；庄，Z.，工程，通过基于图像的建模和深度学习预测异质材料的有效力学性能，计算。方法应用。机械。工程师，347735-753（2019）·Zbl 1440.74258号
[82] Dissanayake，M。；Phan-Thien，N.，解偏微分方程的基于神经网络的近似，Commun。数字。方法工程，10，3，195-201（1994）·Zbl 0802.65102号
[83] 拉加里斯，I.E。；利卡斯，A。；Fotiadis，D.I.，求解常微分方程和偏微分方程的人工神经网络，IEEE Trans。神经网络。，9, 5, 987-1000 (1998)
[84] 拉穆哈利，P。；Udpa，L。；Udpa，S.S.，求解微分方程的有限元神经网络，IEEE Trans。神经网络。，16, 6, 1381-1392 (2005)
[85] Takeuchi，J。；Kosugi，Y.，有限元方法的神经网络表示，神经网络。，7, 2, 389-395 (1994)
[86] Anitescu，C。；阿托什琴科，E。；阿拉伊兰，N。；Rabczuk，T.，解二阶边值问题的人工神经网络方法，计算。马特。Continua，59，1，345-359（2019）
[87] 古德费罗，I.J。；Pouget-Abadie，J。；米尔扎，M。；徐，B。；Warde-Farley，D。；Ozair，S。；库尔维尔，A。；Bengio，Y.，《生成性对抗网络》，《高级神经信息处理》。系统。，3, 2672-2680 (2014)
[88] 金玛，D.P。；Welling，M.，自动编码变分贝叶斯（2013），arXiv预打印arXiv:1312.6114
[89] Makhzani，A。；Shlens，J。；北卡罗来纳州贾特利。；古德费罗，I。；Frey，B.，对手自动编码器（2015），arXiv预印本arXiv:1511.05644
[90] R.苍。；Xu，Y。；陈，S。；刘，Y。；焦，Y。；Ren，M.Y.，计算材料设计中通过深度信念网络对异质材料的微观结构表示和重建，J.Mech。设计。，第139、7条，第071404页（2017年）
[91] 李，X。；Zhang，Y。；赵，H。；伯克哈特，C。；布林森，L.C。；Chen，W.，《微观结构重建和结构性能预测的转移学习方法》（2018），arXiv预印本arXiv:1805.02784
[92] 杨，Z。；李，X。；布林森，L.C。；乔杜里，A.N。；Chen，W。；Agrawal，A.，通过深度对抗性学习方法进行微结构材料设计（2018），arXiv预印本arXiv:180502791
[93] 陈，H。；Engkvist，O。；Wang，Y。；Olivecrona，M。；Blaschke，T.，《药物发现中深度学习的兴起》，药物发现。今天，23,61241-1250（2018）
[94] 卡杜林，A。；Aliper，A。；Kazennov，A。；Mamoshina，P。；Q.Vanhaelen。；Khrabrov，K。；Zhavoronkov，A.，《有意义线索的聚宝盆：应用深层对抗性自动编码技术开发肿瘤学新分子》，Oncotarget，8，7，10883（2017）
[95] Segler，M.H。；Kogej，T。；蒂尔坎，C。；Waller，M.P.，使用递归神经网络生成药物发现的聚焦分子库，ACS Cent。科学。，4, 1, 120-131 (2017)
[96] 伊拉斯兰，G。；西蒙，L.M。；米尔恰，M。；穆勒，N.S。；Theis，F.J.，《使用深计数自动编码器的单细胞RNA-seq去噪》，Nat.Commun。，10, 1, 390 (2019)
[97] Grönbech，C.H。；沃丁，M.F。；Timshel，P.N。；Sönderby，C.K。；Pers，T.H。；Winther，O.，ScVAE:单细胞基因表达数据的变异自动编码器，biorxiv，318295（2018）
[98] Riesselman，A.J。；Ingraham，J.B。；Marks，D.S.，遗传变异捕获突变效应的深层生成模型（2017），arXiv预印本arXiv:.06527
[99] 刘博士。；Tan，Y。；Yu，Z.，为纳米光子结构的反向设计训练深层神经网络，ACS光子，5，4，1365-1369（2017）
[100] 姚，K。；Unni，R。；郑毅，《智能纳米光子学：在纳米尺度上融合光子学和人工智能》（2018），arXiv预印本arXiv:1810.11709
[101] Tahersima，M.H。；小岛，K。；Koike Akino，T。；Jha博士。；王，B。；林，C。；Parsons，K.，集成纳米光子器件的深度神经网络逆设计（2018），arXiv预印本arXiv:1809.03555
[102] 日本福岛。；Miyake，S.，Neocognitron:视觉模式识别机制的自组织神经网络模型，（神经网络中的竞争与合作（1982），Springer），267-285
[103] LeCun，Y。；Bengio，Y.，图像、语音和时间序列的卷积网络，Handb。脑理论神经网络。，3361, 10, 1995 (1995)
[104] 李普曼，R.，《神经网络计算导论》，IEEE Assp Mag.，4，2，4-22（1987）
[105] Yegnanarayana，B.，人工神经网络（2009），PHI Learning Pvt.Ltd。
[106] 尼尔森，M.A.，《神经网络和深度学习》（2015年），决定出版社
[107] Hassoun，M.H.，《人工神经网络基础》（1995），麻省理工学院出版社·Zbl 0850.68271号
[108] Ballard，D.H.，《神经网络模块化学习》（AAAI（1987）），279-284
[109] 加里纳里，P。；LeCun，Y。；Thiria，S。；Fogelman-Soulie，F.，Memories associatives distribuees，Proc。认知。，87, 93 (1987)
[110] 乐村，Y。；Fogelman Soulié，F.J.I.，《阿帕伦蒂萨奇社区》，2（1），114-143（1987）
[111] Rumelhart，D.E。；辛顿，G.E。；Williams，R.J.，《通过错误传播学习内部表征》（1985），加利福尼亚大学圣地亚哥拉荷亚认知科学研究所
[112] 文森特，P。；拉罗谢尔，H。；Y.本吉奥。；Manzagol，P.-A.，用去噪自动编码器提取和组合鲁棒特征，（第25届机器学习国际会议论文集（2008），ACM），1096-1103
[113] Y.本吉奥。；LeCun，Y.，面向人工智能的缩放学习算法，大尺度核机器。，34, 5, 1-41 (2007)
[114] Bengio，Y.，《学习人工智能的深层架构》，Found。趋势马赫数。学习。，2, 1, 1-127 (2009) ·Zbl 1192.68503号
[115] L.Theis，W.Shi，A.Cunningham，F.Huszár，使用压缩自动编码器的Lossy图像压缩，arXiv预印本arXiv:.00395（2017）。
[116] J.Ngiam、A.Khosla、M.Kim、J.Nam、H.Lee、A.Y.Ng，《多模式深度学习》，摘自：第28届国际机器学习会议（ICML-11），2011年，第689-696页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。