华中科大Adv.Mater：深度学习赋能的热学超材料智能设计

华中科技大学高亮教授、肖蜜教授带领研究团队提出了深度学习赋能的热学超材料拓扑优化设计方法，实现了自由形状热学超材料的智能设计。该方法采用深度生成模型，将拓扑功能单胞概率表示在隐空间，根据热学超材料的定制功能需求，可自动、实时地生成具有目标热传导张量的拓扑功能单胞，进而快速生成热学超材料。基于上述思路，研究团队设计了多种具有自由形状、背景温度独立、全方向功能的热隐身超材料，并通过数值仿真和热学实验验证了其良好的热隐身效果。研究成果以Deep-Learning-Enabled Intelligent Design of Thermal Metamaterials为题发表于Adv.Mater。

【图文导读】

图1.深度学习赋能的热学超材料智能设计示意图

图2.基于深度生成模型的拓扑功能单胞实时设计

图3.多种自由形状的热隐身超材料设计及数值仿真结果

图4. 3D打印制备的热学超器件及热学实验测试结果

原文链接：https://onlinelibrary.wiley.com/doi/10.1002/adma.202302387

本文来源地址：http://news.hust.edu.cn/info/1003/49293.htm