《Nature Commun》：機器學習多目標超材料設計！

彭勃、韋業(yè)、秦瑜為該論文的第一作者。

韋業(yè)、秦瑜、溫鵬為通訊作者。

研究單位為清華大學。

doi.org/10.1038/s41467-...

研究提出了一種數(shù)據(jù)高效的方法，通過機器學習和有限元法，快速優(yōu)化三維打印構造材料的多種性能。與傳統(tǒng)均勻設計相比，這種無經驗方法能設計出具有生物相容性和高強度的微觀異質結構，并能夠智能修復不規(guī)則形狀的動物骨缺陷，提高實驗承載能力。

超材料是最廣泛采用的工程材料之一，因其出色的機械性能和可調性，被廣泛應用于輕型結構、聲學、電池電極、電磁學和組織工程等領域。然而，構造材料的設計卻十分困難，傳統(tǒng)方法通常耗時耗力，且設計結果的性能高度依賴于設計者的專業(yè)知識和初始猜測。

最近，機器學習（ML）成為一個有前途的技術，可以解決這個問題，無需先前的知識要求即可找到最優(yōu)解。這項研究引入了一種主動學習方法，將生成模型與物理模擬有效結合，以在許多現(xiàn)實世界工程設計中常見的各種約束條件下進行高維多目標優(yōu)化。

研究通過3D打印技術制造由機器學習設計的構造材料，并實驗驗證相應的機械性能。結果顯示，機器學習設計的立方支架在大型、不規(guī)則形狀骨缺陷固定的大植入物中表現(xiàn)出更高的承載能力。

這項工作展示了一種多目標主動學習方法，利用生成模型和3D神經網絡，在多個外部約束條件下設計3D打印構造材料。通過融合高精度模擬、機器學習和3D打印，該框架成為了一個強大而穩(wěn)健的工具，擅長復雜的多目標架構優(yōu)化。

課題組介紹清華大學機械系博士生彭勃、交叉信息研究院博士后韋業(yè)與北京大學博士后秦瑜為該論文的共同第一作者，韋業(yè)、秦瑜與清華大學機械系溫鵬副教授為該論文的共同通訊作者。北京大學鄭玉峰教授、北醫(yī)三院田耘教授、機械系博士生代家寶、劉奧博、德國馬普所鋼鐵研究所韓六六博士、李躍博士等在該研究中作出貢獻。

求解： Machine learning 是一本雜志名稱還是其它的一個什么機構？

一個學科，人工智能AI的一部分，意思為機器學習

如對您有所幫助，請采納。