モジュール型メカニカルメタマテリアルは、レゴブロックのようにパーツを組み合わせることで、力学特性を自在に制御・再構成できるというユニークな性質を持つ。本研究では、この「モジュール性」に着目し、「線形」「降伏模倣」「スナップスルー座屈」という3つの基本パーツを用意し、これらを2次元または3次元の格子状に組み上げることで、複雑かつ多様な非線形応力-ひずみ応答を実現できることを示した。 ここで、設計の効率化を図るため、深層学習を用いた材料設計AIを開発した。このAIは、畳み込みニューラルネットワークによって特定の組み合わせから性能を瞬時に予測するだけでなく、条件付き変分オートエンコーダを用いた逆設計手法により、「実現したい性能」を入力するだけで最適な組み合わせを自動で導き出す。これにより、反復的なシミュレーションや手動の微調整を介さず、即座に設計図を得ることが可能となった。本研究は、ソフトロボティクスや環境適応型構造など、次世代のインテリジェントな材料開発に資する、汎用性の高いデータ駆動型設計戦略を提案するものである。

作成時刻: 2026-02-28 03:10:09 +0900 更新時刻: 2026-07-04 05:41:28 +0900