.png){kind=icon}
返回
Machine Learning-Based Inverse Design for Functional Materials: Methods, Challenges, and Engineering Applications
.png){kind=icon}
PRE
AI
DOI：10.1002/adfm.75070.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
功能材料的逆向设计——利用目标性能引导最优参数——为传统正向方法提供了强大的替代方案，尤其是在处理复杂、高维问题时。机器学习（ML）的进展通过快速代理建模、高效设计空间探索以及从期望属性到材料解决方案的直接映射，增强了其可行性。本文综述了机器学习驱动的逆向设计方法学，涵盖了拓扑优化、直接逆向映射和混合框架。我们分析了关键的机器学习模型、优化算法和自适应方案，以应对包括数据稀缺和耦合物理约束在内的挑战。聚焦于各类功能材料，我们强调了并阐述了基于机器学习的逆向设计如何通过快速生成针对特定功能（包括机械结构和仿生材料、声学和热学超材料、光学材料、能源功能材料、生物医学和化学材料）定制的微观结构和几何形状，从而加速跨材料类别的创新。最后，我们概述了实现先进功能材料的自主、物理集成和生成式流程的关键挑战和未来方向。本综述旨在为基于机器学习的逆向设计提供统一的基础，并指导先进材料智能发现流程的开发。
Keyword:
data-driven design
design optimization
functional material
inverse design
machine learning
surrogate modeling
topology optimization
期刊
IF:
19
论文数:
3.5W
被引数:
32.1W
机构
引用论文
Low-melting-point alloy/polyurethane auxetic composite foam for outstanding impact protection with favorable shape memory effect低熔点合金/聚氨酯负泊松比复合泡沫，具有优异的冲击防护性能和良好的形状记忆效应.png)
IF0
PREAI
分享收藏Aerodynamic inverse design of turbomachinery cascades using a finite volume method on unstructured meshes基于非结构化网格的 turbomachinery cascades 气动逆向设计有限元方法
PREAI
分享收藏Zeolite-catalytic pyrolysis of waste plastics: Machine learning prediction, interpretation, and optimization沸石催化塑料废弃物热解：机器学习预测、解释与优化APPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏Prediction of DNA origami shape using graph neural network基于图神经网络的DNA折纸形状预测NATURE MATERIALS
NATURE MATERIALSIF38.5
PREAI
分享收藏A perspective on inverse design of battery interphases using multi-scale modelling, experiments and generative deep learning使用多尺度建模，实验和生成式深度学习对电池界面进行逆向设计的观点ENERGY STORAGE MATERIALS
OAAI
ENERGY STORAGE MATERIALSIF20.2
OAAI分享收藏
查看更多内容