拡散トランスフォーマーによる代数的言語モデルを介したメタマテリアルの逆設計

arXiv:2507.15753v2 発表タイプ：差し替わり 要約：生成機械学習モデルは、複雑な構造と物性の関係を捉えることで素材発見を革命化しましたが、これらのアプローチを 3 次元メタマテリアルの逆設計に拡張するには、表現力の欠如により計算上の複雑さと未探索な設計領域が課題として残っています。ここでは、3 次元幾何形を数式の文として符号化する「代数的言語表現」と拡散トランスフォーマーを統合した、拡散トランスフォーマー（Diffusion Transformers）を特徴とする生成枠組み「DiffuMeta」を提示します。この緊密で統一されたパラメータ化は多様なトポロジーをカバーし、トランスフォーマーを構造的設計に直接適用可能にします。DiffuMeta は、拡散モデルを利用し、大きな変形条件下で正確にターゲットした応力 - 応答を達成した新たなシェル構造を生成します。屈曲と接触を考慮に入れ、本来の 1 対多の対応関係を解決して多様な解決策を生成します。特に、我々のアプローチはトレーニングドメインを超えた線形および非線形応答を含む複数の力学目標を同時に制御することを可能にします。製作された構造の実験的検証は、我々のアプローチがメタマテリアルや特性が定制された構造物の加速設計において有効であることをさらに確認しました。

arXiv:2507.15753v2 Announce Type: replace-cross Abstract: Generative machine learning models have revolutionized material discovery by capturing complex structure-property relationships, yet extending these approaches to the inverse design of three-dimensional metamaterials remains limited by computational complexity and underexplored design spaces due to the lack of expressive representations. Here we present DiffuMeta, a generative framework integrating diffusion transformers with an algebraic language representation, encoding three-dimensional geometries as mathematical sentences. This compact, unified parameterization spans diverse topologies, enabling the direct application of transformers to structural design. DiffuMeta leverages diffusion models to generate new shell structures with precisely targeted stress-strain responses under large deformations, accounting for buckling and contact while addressing the inherent one-to-many mapping by producing diverse solutions. Uniquely, our approach enables simultaneous control over multiple mechanical objectives, including linear and nonlinear responses beyond training domains. Experimental validation of fabricated structures further confirms the efficacy of our approach for accelerated design of metamaterials and structures with tailored properties.