|
第13届北京等贤深度学习超材料逆向设计培训班第一轮通知发布日期:2024年12月30日 培训简介 在科学与工程的前沿领域,超材料以其超越天然材料的非凡物理特性——如负折射、隐身斗篷、声波操控等——持续激发着研究者的无限想象。然而,将这种想象变为现实的核心挑战,长期以来在于“逆向设计”问题:我们已知期望的物理响应(如特定频率的完美吸波),但如何高效、精准地找到与之对应的、往往是非直觉且结构复杂的微纳拓扑? 传统的设计方法,如基于物理直觉的试错法或拓扑优化,常常陷入计算成本高昂、设计周期漫长、且易于陷入局部最优解的困境。面对高维、非线性的“结构-性能”映射关系,人类工程师的直觉和经验显得捉襟见肘。我们亟需一种能够洞察复杂数据背后隐藏规律,并实现从性能目标到结构形态直接、快速映射的革命性工具。 正是在这一背景下,人工智能,特别是深度学习技术,如同一道划破夜空的曙光,为超材料逆向设计带来了范式级的变革。深度学习模型,尤其是生成对抗网络(GANs)、变分自编码器(VAEs)和图神经网络(GNNs)等,展现出其处理高维复杂问题的强大能力。
培训目标 1.学习弹性波超材料的基本概念与计算方法 2.学习深度学习算法以及基于Tensorflow框架的模型搭建 3.学习深度学习在弹性波超材料领域的研究现状 4.学习基于COMSOL with Matlab的弹性波超材料数据集批量自动生成方法【分享课程涉及的所有数据集及代码】 5.学习基于物理启发神经网络(PINN)的弹性波超材料色散曲线预测与设计【分享课程涉及的所有数据集及代码】 6.学习基于深度学习的弹性波超材料正向预测、参数设计与拓扑设计的原理以及实现方式 培训授课讲师 深度学习超材料逆向设计主讲老师:来自国家985重点高校,固体力学专业,在深度学习辅助的超材料逆向设计研究领域深耕多年,具有丰富的经验和扎实的基础。以第一作者或通讯作者在CMAME、IJMS、ES等行业顶级期刊发表论文8篇以及其它国际知名期刊7篇,共计15篇,参编英文书籍1部,主持两项国家级项目,参与多项重点项目,担任M&D、JSV、IJAM和EML等多个杂志的审稿人。
培训内容大纲 专题一:弹性波超材料与深度学习的基本理论 本专题将系统介绍弹性波超材料的结构特性、带隙形成机理及其建模与仿真方法,结合COMSOL软件完成频域与时域响应分析实践。同时,深入讲解深度学习的基本理论与主流模型(如MLP、CNN),并引入物理启发神经网络(PINN)在色散特性预测中的应用,帮助学员建立“物理+算法”融合的跨学科认知,为后续的设计任务打下理论与技术基础。 1.1弹性波超材料 1.1.1弹性波超材料的基本概念 1.1.2应用前景与工程价值分析 1.1.3常用建模与计算方法概述 1.1.4带隙形成机理 1.1.5COMSOL商用有限元软件安装 1.1.6案例实践 1:基于传递矩阵法的超材料能带曲线计算【实操】 1.1.7案例实践 2:基于有限元方法的超材料能带曲线计算【实操】 1.1.8案例实践 3:基于有限元方法的超材料频域与时域响应分析【实操】 1.2深度学习 1.2.1深度学习的基本概念与理论原理 1.2.2常见的深度学习模型(MLP, CNN) 1.2.3Tensorflow框架的安装 1.2.4案例实践 4:基于物理启发神经网络(PINN)的超材料色散特性预测与设计【实操】 专题二:数据集批量自动生成方法 深度学习模型的训练与性能高度依赖于高质量数据集的规模与多样性。本专题将详细阐述如何高效构建弹性波超材料的数据集,特别是结合COMSOL与MATLAB工具实现几何与材料参数化、拓扑变量的批量自动生成与数据整合,为后续模型的训练提供强大的数据支持。 2.1COMSOL with Matlab的集成使用简介 2.2案例实践5:获取用于弹性波超材料分析的基础 MATLAB 脚本【实操】 2.2.1将COMSOL 有限元模型导出为 MATLAB 脚本形式 2.2.2使用 MATLAB 读取并修改 COMSOL 有限元模型参数 2.3案例实践6:基于参数变量控制的数据批量生成方法及 MATLAB 实现【实操】 2.3.1参数变量特性与定义规则 2.3.2利用MATLAB 修改 COMSOL 模型中的几何与材料参数,实现参数化建模与数据自动生成 2.4案例实践7:基于拓扑变量控制的数据批量生成方法及 MATLAB 实现【实操】 2.4.1拓扑构型定义与范围选取 2.4.2通过 MATLAB 控制 COMSOL 模型的拓扑结构,实现拓扑形式的自动构建与计算 2.5数据整合方法与Python代码【实操】 专题三:正向预测建模与实践 准确的正向预测是超材料性能分析的重要基础。本专题围绕超材料性能预测任务,深入探讨支持向量机(SVM)、多层感知机(MLP)及卷积神经网络(CNN)等主流深度学习模型的结构特点与建模方法。通过具体案例实践,我们将掌握从数据输入到性能预测全过程的具体实现方式与模型评价方法。 3.1研究现状 3.2正向预测深度学习模型及其原理 3.2.1支持向量机(SVM)模型简介 3.2.2多层感知机(MLP)模型结构与训练机制 3.2.3卷积神经网络(CNN)在结构图像建模中的优势 3.3用于正向预测的数据集及其特征 3.3.1超材料参数变量数据集 3.3.2超材料拓扑变量数据集 3.4案例实践8:基于MLP的超材料带隙预测与代码讲解【实操】 3.4.1基于Python和Tensorflow的MLP模型构建 3.4.2训练与验证 3.4.3基于R2的带隙预测精度测试评估 3.5案例实践9:基于CNN的超材料能带曲线预测与代码讲解【实操】 3.5.1基于Python和Tensorflow的CNN模型构建 3.5.2训练、验证与测试 3.5.3真实值与测试值对比图的批量生成 专题四:参数设计方法与实践超材料 参数设计旨在通过指定的目标性能反推得到优化的结构参数。本专题聚焦于基于深度学习的参数反设计方法,系统解析 MLP、MLP-GA及TNN模型的原理与应用,提供实际代码案例帮助学员快速上手,掌握参数设计的核心技术,理解设计精度评估方法,并探讨多解特性问题的处理策略。 4.1研究现状 4.2参数设计中的深度学习模型与原理解析 4.2.1基于 MLP 的反向映射模型构建 4.2.2融合遗传算法的 MLP+GA 反设计框架 4.2.3基于 TNN(Tandem Neural Network)的高效参数预测与验证机制 4.3参数设计任务所用数据集的构建与特征分析 4.4案例实践10:基于TNN的超材料参数设计与代码讲解【实操】 4.4.1TNN 模型结构搭建与训练 4.4.2设计参数的批量保存与验证 4.5案例实践11:参数设计结果的分析与讨论【实操】 4.5.1设计精度的评估指标及其实现代码(如MAE、R² 等) 4.5.2参数设计的非唯一性问题:多解特性与可选设计策略分析 专题五:拓扑设计方法与实践拓扑设计能够最大限度地激发超材料性能潜力,但也面临着模型生成与优化困难的问题。本专题将深入讲解 CGAN、CVAE、VAE-based 等生成式深度学习模型的基本原理与实践方法,通过具体实例帮助学员掌握可控拓扑结构的生成与验证过程,最终实现高效的拓扑优化设计。 5.1研究现状 5.2用于拓扑设计的深度学习模型及其原理 5.2.1基于 CGAN(Conditional Generative Adversarial Network)的条件生成方法 5.2.2基于 CVAE(Conditional Variational Autoencoder)的可控拓扑生成方法 5.2.3VAE-based 拓扑生成模型结构 5.3用于拓扑设计的数据集介绍 5.4案例实践12:基于VAE-based模型的超材料拓扑设计与代码讲解【实操】 5.4.1VAE-based模型的结构搭建与训练 5.4.2设计拓扑构型的批量保存和验证 5.5案例实践13:拓扑设计结果的分析方法【实操】 5.6案例实践14:多目标拓扑优化设计方法【实操】 5.7课程总结
课程特色及授课方式
线上授课时间和地点自由,建立专业课程群进行实时答疑解惑,理论+实操授课方式结合大量实战案例与项目演练,聚焦深度学习超材料逆向设计的最新研究进展,课前发送全部学习资料,课程提供全程答疑解惑;
完全贴合学员需求的课程体系设计,定期更新的前沿案例,由浅入深式讲解,课后提供无限次回放视频,免费赠送二次学习,发送全部案例资料,永不解散的课程群,可以与相同领域内的老师同学互动交流问题,让求知的路上不再孤单!
增值服务 1、凡参加人员将获得本次课程学习资料及所有案例模型文件; 2、课程结束可获得本次所学专题全部回放视频; 3、课程会定期更新前沿内容,参加本次课程的学员可免费参加一次本单位后期举办的相同专题课程(任意一期) 课程会议完毕后老师长期解疑,课程群不解散,往期会议学员对于会议质量和授课方式一致评价极高! 学员对于会议答疑给予高度评价!
授课时间
深度学习超材料逆向设计: 2025.1.5----2025.1.6(上午9.00-11.30下午13.30-17.00) 2025.1.12----2025.1.14(上午9.00-11.30下午13.30-17.00) 腾讯会议 线上授课(共五天课程 提供全程视频回放) 课程费用 每人每班:4980元 往届学员的优惠:为便于往届学员获得后来历届培训里增加的大量新知识,,参加过以往任意一届北京等贤培训班的学员可享受8折优惠!报名时请主动在邮件里说明。
报名方式
联系人:陈老师 咨询电话:15652523032(微信同号)
相关事项(必读!) 1、每个学员在报名后都会提供盖有公章的邀请函。 2、若有任何问题需要咨询或沟通,请发送邮件至13169611059@qq.com。 3、郑重声明:北京等贤的培训讲义、录音以及培训中提供的一切电子资料,皆仅限学员自己学习使用,严禁私下复制、传播、盗卖,不得发布至网络上公开平台,否则必将被严厉追究法律责任、要求赔偿经济损失,情节严重的还将在网络上予以公示、向涉事者所在学校/单位进行通报。报名本培训视为认可本条款。 4、报名后允许取消报名,决定取消报名时应尽早通知我们。如果在报名后因为不可抗力而不得不取消报名,一次无妨,但如果反复出现多次在报名后又取消报名的情况(特别是到了培训快开始,我们发催款通知后才说要取消报名),将会影响信誉,导致在报名未来北京等贤的培训时降低受理的优先级,或者不再接受。如果报名后,我们尝试通过报名表中的各种联系方式联系报名者但经过数日都没有收到任何回复,本次报名将作废,且报名未来的培训时将不再受理。我们希望发来报名表的都是真心要参加培训学习知识的人,请尽量避免浪费有限的培训名额。
|

