Forscher des Imperial College London haben ein rechnerisches Rahmenwerk entwickelt, das dichtebasierte Topologieoptimierung nutzt, um Einheitszellen von Metamaterialien anzupassen. Das System weist jedem Element des Designbereichs numerische Werte zu, und ein Optimierer aktualisiert diese Dichten, bis die simulierte homogenisierte Antwort mit den vom Benutzer definierten Zielpunkten übereinstimmt.
Workflow mit Firedrake, pyadjoint und cyipopt 🛠️
Der Workflow verwendet Open-Source-Python-Bibliotheken wie Firedrake für finite Elemente, pyadjoint für automatische Differentiation und cyipopt für nichtlineare Optimierung. Die verwendete Integrationsmethode ist entscheidend für die Konvergenz des Designs. Die Autoren geben an, dass dieser Ansatz die Entwicklung von Metamaterialien für verformbare Strukturen, weiche Robotik und energieabsorbierende Materialien unterstützen könnte, indem er Simulation und Optimierung in einer zugänglichen Umgebung kombiniert.
Der Optimierer, der nicht weiß, wann er aufhören soll ☕
Denn nichts sagt Effizienz so sehr wie einen Algorithmus entscheiden zu lassen, wie dein Material aussehen sollte, während du Kaffee trinkst. Das System iteriert, bis die Simulation mit dem Ziel übereinstimmt, aber man fragt sich: und wenn das Ziel ein Material ist, das Energie absorbiert und auch Kaffee kocht? Vorerst beschränken sich die Forscher auf verformbare Strukturen, weiche Robotik und Energieabsorption, was schon genug ist.