АНАЛІЗ ПРОДУКТИВНОСТІ ГЕНЕТИЧНОГО АЛГОРИТМУ, ДОПОВНЕНОГО ЗГОРТКОВОЮ НЕЙРОННОЮ МЕРЕЖЕЮ, ДЛЯ ТОПОЛОГІЧНОЇ ОПТИМІЗАЦІЇ МЕТАМАТЕРІАЛІВ

Поєднання згорткових нейронних мереж (CNN) та генетичних алгоритмів (GA), створює перспективний підхід для топологічної оптимізації складних гратчастих структур. Гратчасті структури використовуються, як основа для комплексних метаматеріалів. Розглядається здатність методу генерувати оптимальні гратчасті структури при мінімальному використанні матеріалу. Згорткова нейронна мережа використовується, як інструмент аналізу, що може оцінювати та прогнозувати ключові параметри згенерованих гратчастих структур. Основна мета алгоритму – генерація широкого спектру конфігурацій, що згодом будуть використані нейронною мережею в якості навчальних даних. Ключові показники продуктивності включають стійкість до навантаження, відношення міцності згенерованого матеріалу, до його ваги, час необхідний для генерації гратчастих структур, та точність генерації. Дані показники використовуються, як інструменти для оцінки продуктивності методу в заданих умовах навколишнього середовища. Метод CNN-GA, може створювати високоефективні, легкі структури з високою продуктивністю та збереженням матеріалу. Відповідні засоби випадкової генерації, що присутні в генетичному алгоритмі, можуть виявляти унікальні конфігурації гратчастих решіток та пропонувати варіанти, які могли б бути проігноровані стандартними методами оптимізації. Проте ефективність методу може бути обмежена наявними ресурсами і можливостями обчислювальної системи. Крім того точність системи прогнозування, обмежується його засобами випадкової генерації. Даний аналіз висвітлює сильні сторони методу, потенційні обмеження та практичні аспекти використання, та закладає основу для майбутніх досліджень, спрямованих на вдосконалення методів топологічної оптимізації метаматеріалів.