Des chercheurs de l'Imperial College London ont développé un cadre computationnel qui utilise l'optimisation topologique basée sur la densité pour ajuster les cellules unitaires des métamatériaux. Le système attribue des valeurs numériques à chaque élément du domaine de conception, et un optimiseur met à jour ces densités jusqu'à ce que la réponse homogénéisée simulée corresponde aux points cibles définis par l'utilisateur.
Flux de travail avec Firedrake, pyadjoint et cyipopt 🛠️
Le flux de travail utilise des bibliothèques Python open source telles que Firedrake pour les éléments finis, pyadjoint pour la différenciation automatique et cyipopt pour l'optimisation non linéaire. La méthode d'intégration utilisée est essentielle pour atteindre la convergence de la conception. Les auteurs affirment que cette approche pourrait soutenir le développement de métamatériaux pour les structures déformables, la robotique souple et les matériaux absorbant l'énergie, combinant simulation et optimisation dans un environnement accessible.
L'optimiseur qui ne sait pas quand s'arrêter ☕
Parce que rien ne dit efficacité comme laisser un algorithme décider à quoi devrait ressembler votre matériau pendant que vous buvez un café. Le système itère jusqu'à ce que la simulation corresponde à l'objectif, mais on se demande : et si l'objectif est un matériau qui absorbe l'énergie et qui fait aussi du café ? Pour l'instant, les chercheurs se limitent aux structures déformables, à la robotique souple et à l'absorption d'énergie, ce qui est déjà pas mal.