Forward and inverse design of kirigami via supervised autoencoder

Machine learning (ML) methods have recently been used as forward solvers to predict the mechanical properties of composite materials. Here, we use a supervised autoencoder (SAE) to perform the inverse design of graphene kirigami, where predicting the ultimate stress or strain under tensile loading i...

Celý popis

Podrobná bibliografie

Vydáno v:	Physical review research Ročník 2; číslo 4; s. 042006
Hlavní autoři:	Hanakata, Paul Z., Cubuk, Ekin D., Campbell, David K., Park, Harold S.
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	American Physical Society 12.10.2020
ISSN:	2643-1564, 2643-1564
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!