公开(公告)号：CN119670303A

公开(公告)日：2025-03-21

申请号：CN202510186064.3

申请日：2025-02-20

Applicant: 之江实验室

Inventor： 聂大明 ,  陈立朋 ,  吕琳 ,  吴翠玲 ,  张璐

IPC: G06F30/17 ,  B29C64/386 ,  B33Y50/00 ,  B22F10/80 ,  G06F30/23 ,  G06F113/10 ,  G06F119/14

Abstract: 本发明公开了一种3D打印点阵填充的板材件基频的生成式设计方法，该方法包括：建立点阵单胞的结构‑等效刚度数据库，以及单胞结构‑等效刚度逆向设计模型；将板材实体简化为壳体，并为其设置边界条件；根据板材的目标基频进行迭代计算，以获取目标等效刚度；获取目标等效刚度对应的单胞结构，并将其填充到板材中；使用动力学有限元分析仿真软件对填充点阵后的板材进行动力学仿真计算，得到其基频值；若判断计算出的基频值为设计值，则表示完成板材的设计，否则修正优化结构‑等效刚度数据库、单胞结构‑等效刚度逆向设计模型或目标等效刚度后继续上述步骤，其中设计值为目标等效刚度对应的基频值。本发明实现了板材件基频的快速生成式设计。

公开(公告)号：CN119533394A

公开(公告)日：2025-02-28

申请号：CN202510101330.8

申请日：2025-01-22

Applicant: 之江实验室

Inventor： 聂大明 ,  陈立朋 ,  张宇 ,  张璐 ,  吴翠玲

IPC: G01B21/32

Abstract: 本发明公开了一种3D打印非标准试样的应变测试装置和方法，该装置包括：两个拉伸试样端头；设置在两个拉伸试样端头之间的拉伸试样点阵段；设置在拉伸试样端头上的连接平台，该连接平台位于拉伸试样端头宽度方向的中间位置处，连接平台上设置有两个圆形的凸台；两个测量板分别与两个连接平台上设置的两个凸台绑定，两个测量板的另一端互相搭接；和接触式引伸计，其两端夹持在两个测量板的另一端。本发明通过测量上下测量板的相对位移来等效测量点阵的测量区域变形量，从而实现了非标准拉伸试样等效应变的测量，有效降低了测量成本，提高了测量效率，提高了测量精确度。

公开(公告)号：CN119380885A

公开(公告)日：2025-01-28

申请号：CN202411406571.5

申请日：2024-10-10

Applicant: 之江实验室

Inventor： 张璐 ,  吕琳 ,  聂大明 ,  陈立朋

IPC: G16C60/00 ,  G06F30/27 ,  G06N3/0455 ,  G06N3/08 ,  G06F119/14 ,  G06F111/04

Abstract: 本发明涉及一种基于性质约束协同训练的多孔结构跨域逆向设计方法，将力学性质信息和随机噪声作为训练后的逆向生成模型的输入，得到编码向量，利用训练后的变分自编码器模型得到重建后的多孔结构数据。本方法在变分自编码器的训练过程中，对编码空间中的特征向量分布直接进行力学性质预测协同训练，改善编码空间特征分布，建立“编码空间→性质”之间更为直接的关系。通过增加正向关系的约束，在逆向生成模型的训练过程中，建立“性质→编码空间”更为容易，相对普通的逆向设计方案，本发明可以改善预测结构的准确性，支持准确的多孔结构跨域逆向设计。本发明充分考虑跨域结构分布不同的特点，实现具有高准确性的跨域逆向设计。

公开(公告)号：CN119230019A

公开(公告)日：2024-12-31

申请号：CN202411754098.X

申请日：2024-12-02

Applicant: 之江实验室

Inventor： 张璐 ,  王杰 ,  赵云红 ,  王涵

IPC: G16C20/70 ,  G16C60/00 ,  G16C20/30 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本说明书公开了一种多晶材料机械性质预测方法、装置、存储介质及设备，本方法可以通过融合卷积神经网络和图神经网络的优势，以提高材料性质预测的精度，其中，卷积神经网络负责捕捉晶粒的形状信息，而图神经网络则考虑晶粒的形状、大小、取向和晶界信息。通过上述的卷积神经网络和图神经网络的结合，能够同时利用多晶材料中晶粒和晶界的信息，实现对多晶材料非线性机械性质的连续预测。此外，还可以将基材性质作为晶粒属性输入，从而支持不同材质下的多晶材料的应力预测，增强了模型的适用性和准确性。

公开(公告)号：CN117010484A

公开(公告)日：2023-11-07

申请号：CN202311277193.0

申请日：2023-10-07

Applicant: 之江实验室

Inventor： 张璐 ,  杨耀

IPC: G06N3/098 ,  G06N3/0464 ,  G06F18/24

Abstract: 本发明涉及一种基于注意力机制的个性化联邦学习泛化方法、设备、应用，包括：初始化全局模型的共享参数并发送给预先建立连接的一个客户端，接收各个客户端经过本地训练后的共享参数以及个性化参数，基于各个客户端的共享参数更新服务端的共享参数；将已有客户端的个性化参数以及服务端的共享参数发送到未经训练的新客户端，在新客户端利用基于注意力机制的超网络生成个性化参数。新客户端采用本地数据进行训练以更新超网络参数，而非本地模型参数。即共享参数部分不变，通过超网络学习生成新客户端的个性化参数。本发明在构造新客户端的超网络时，超网络同时参考各个模型的个性化参数，以引入客户端个性化参数的相关性信息，提升最终效果。