本論文では、多重スケールのボロノイ構造のトポロジー最適化のための新しい枠組みを提案している。
オフラインでの計算では、ボロノイ微細構造のパラメータと均質化された構成特性の関係をニューラルネットワークで学習する。
マルチスケールの最適化では、学習したニューラルネットワークを活用して、効率的に最適なボロノイ構造を生成する。
主な特徴は以下の通りである:
数値実験の結果、提案手法は従来の単一スケールの最適化や同時均質化に基づくマルチスケールの最適化に比べて、計算コストを大幅に削減できることを示している。また、精度の低下も10%以内に抑えられることを確認した。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Rahul Kumar ... at arxiv.org 04-30-2024
https://arxiv.org/pdf/2404.18300.pdfDeeper Inquiries