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...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	Physical review research Jg. 2; H. 4; S. 042006
Hauptverfasser:	Hanakata, Paul Z., Cubuk, Ekin D., Campbell, David K., Park, Harold S.
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	American Physical Society 12.10.2020
ISSN:	2643-1564, 2643-1564
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!