文献类型：期刊文章

作　　者：李想[1,2] 严子铭[1] 柳占立[1] 庄茁[1]

LI Xiang;YAN Ziming;LIU Zhanli;ZHUANG Zhuo(Applied Mechanics Lab.,Dept.of Engineering Mechanics,School of Aerospace,Tsinghua University,Beijing 100084,China;School of Information Science and Technology,Hainan Normal University,Haikou 570206,China)

机构地区：[1]清华大学航天航空学院,应用力学教育部重点实验室,北京100084 [2]海南师范大学信息科学技术学院,海口570206

出　　处：《力学进展》

基　　金：国家自然科学基金资助项目(11722218,11972205).

年　　份：2021

卷　　号：51

期　　号：1

起止页码：82-105

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZMATH、核心刊

摘　　要：先进结构材料近年来受到材料和结构设计领域的广泛关注,这些材料一般通过多个尺度的结构设计实现各种卓越的性能.在早期的材料设计中,有的基于设计者的丰富经验,从天然拓扑结构中抽象出合理的数学力学模型;有的基于生物系统的结构和功能特点提取出仿生力学模型.然而,仅依靠经验性的巧妙设计很难得到最优的设计方案,通过反复迭代设计和试验来遍历设计空间也不切实际.为此,拓扑优化方法被成功应用于声子晶体、元胞材料等先进结构材料的优化设计中,但现有的拓扑优化方法在实现精准的反向设计方面尚存挑战.基于数据驱动的机器学习方法擅长建立数据空间多维变量复杂关系,能够揭示传统力学研究方法难以发现的更深层次的力学机理和规律,成为力学领域崭新的研究热点.本文系统地回顾先进结构材料设计方法的发展历程,对比阐述各种主流设计方法,结合本课题组的相关工作介绍数值仿真和数据驱动在先进结构材料的智能化设计方面的应用现状,并对该领域的未来研究趋势进行探讨和展望.

关 键 词：结构材料  超材料 材料设计  数据驱动 机器学习  

分 类 号：O34]