Métamatériaux sur mesure : conception inverse depuis lImperial College

20 May 2026 Publié | Traduit de l'espagnol

Des chercheurs de l'Imperial College London ont créé un cadre computationnel permettant de concevoir des métamatériaux mécaniques non linéaires à partir de zéro. L'outil utilise l'optimisation topologique pour générer des cellules unitaires microscopiques à partir d'objectifs de contrainte-déformation. Les travaux, publiés dans Advanced Engineering Materials, ont été développés par Charlie Aveline, Matthew Santer et Robert Hewson du Département d'Aéronautique.

réseau de cellules unitaires microscopiques optimisé en temps réel par calcul, évolution topologique itérative montrant une déformation progressive de la forme du bloc initial à la structure finale du métamatériau non linéaire, courbes contrainte-déformation visualisées sous forme de graphiques volumétriques lumineux flottant au-dessus de la conception, poste de travail d'ingénierie avec interface de logiciel de simulation en arrière-plan, chercheur ajustant les paramètres tout en observant la réponse mécanique, visualisation d'ingénierie photoréaliste, textures cristallines métalliques avec éclairage dégradé, motifs géométriques précis sous fort grossissement, éclairage technique dramatique bleu et orange, rendu ultra-détaillé en science des matériaux

Contact, flambage et bistabilité dans un seul flux de travail 🛠️

Le cadre intègre le contact interne, le flambage par voilement et la bistabilité dans un processus unifié. Les concepteurs peuvent synthétiser des cellules unitaires avec des réponses mécaniques complexes sans avoir besoin de géométries prédéfinies ni d'ensembles de données d'apprentissage automatique. L'optimisation topologique permet d'explorer des configurations qui nécessitaient auparavant des essais et erreurs, offrant une voie directe de la réponse souhaitée à la microstructure finale.

Adieu aux catalogues de pièces, bonjour à l'IA qui n'a pas besoin d'être entraînée 🤖

Jusqu'à présent, concevoir un métamatériau impliquait de fouiller dans des catalogues ou d'attendre qu'un réseau neuronal apprenne à partir d'exemples précédents. Cette méthode propose quelque chose de plus radical : générer la géométrie directement à partir de ce que vous voulez qu'elle fasse. Comme commander une pizza et que le four invente la pâte, le fromage et la cuisson. Mais sans dépendre du fait que le livreur ait vu mille pizzas auparavant.