[Article] - Des matériaux intelligents conçus par l’IA : plus sûrs, plus légers et plus performants
Les avancées en conception assistée par données et fabrication additive ont accéléré le développement des métamatériaux architecturés 3D, offrant des propriétés mécaniques exceptionnelles avec un poids réduit. Les méthodes actuelles permettent de cibler des propriétés linéaires, mais peinent à modéliser les comportements non linéaires complexes et à intégrer les contraintes géométriques et de fabrication. L’article présente GraphMetaMat, une méthode autorégressive basée sur les graphes, capable de concevoir des structure architecturée 3D avec des réponses non linéaires programmables. En intégrant des réseaux de neurones graphiques, des biais physiques, l’apprentissage par imitation, l’apprentissage par renforcement et la recherche arborescente, nous montrons que GraphMetaMat peut cibler des courbes contrainte-déformation et des réponses de transmission des vibrations avec des écarts d’atténuation variables, inaccessibles par les méthodes précédentes. L’article présente également l’utilisation de GraphMetaMat pour la conception inverse de nouvelles topologies de matériaux architecturés offrant une absorption d’énergie et un amortissement des vibrations contrôlables, surpassant les matériaux conventionnels existants, et potentiellement adaptées aux équipements de protection et aux véhicules électriques. Ce travail ouvre la voie à la conception automatique de matériaux accessibles à la fabrication, tolérants aux défauts et dotés de fonctionnalités à la demande.
Auteurs
Marco Maurizi, Derek Xu, Yu-Tong Wang, Desheng Yao, David Hahn, Mourad Oudich, Anish Satpati, Mathieu Bauchy, Wei Wang, Yizhou Sun, Yun Jing & Xiaoyu Rayne Zheng.
Références
Nature Machine Intelligence 7, 1023 (2025)
DOI
