Adam: метод стохастической оптимизации

Проектирование сложных, динамичных и при этом многофункциональных материалов и устройств представляет собой трудную задачу, поскольку пространства проектирования таких материалов характеризуются многочисленными взаимозависимыми и часто противоречащими друг другу ограничениями. Вдохновляясь достижениями в области искусственного интеллекта и их применением для поиска новых материалов, мы предлагаем вычислительный метод проектирования трансформируемых гидрогелевых структур, сополимеризованных с ДНК. Метод включает крупнозернистое моделирование и систему оптимизации на основе глубокого обучения для исследования огромного пространства проектирования этих структур. В настоящей работе мы разрабатываем простую численную модель изменения формы гидрогеля, сополимеризованного с ДНК, и стремимся найти конструкции структурированных гидрогелей, способных в различных состояниях активации складываться в формы разных арабских цифр. Мы обучаем сверточную нейронную сеть классифицировать и оценивать геометрические результаты крупнозернистого моделирования, обеспечивая автономную обратную связь для оптимизации конструкции. Затем мы создаем генетический алгоритм, который генерирует и отбирает большие пакеты конструкций материалов, конкурирующих друг с другом, чтобы в процессе эволюции прийти к оптимальным конструкциям, соответствующим целевым характеристикам. Мы показываем, что способны исследовать большое пространство проектирования и выявлять важные параметры и свойства. Мы устанавливаем ключевые взаимосвязи между масштабным размером материала и диапазоном изменения формы, достижимым отдельными доменами, а также выявляем компромиссы между различными параметрами конструкции. Наконец, мы обнаруживаем конструкции материалов, способные трансформироваться в несколько различных цифр в разных состояниях активации.