纤维增强水凝胶复合材料广泛应用于许多工程应用，例如药物释放和柔性电子器件，具有比纯水凝胶材料更灵活的机械性能。与连续纤维增强的水凝胶相比，超材料纤维增强水凝胶提供了更广泛的变形模式，个性化设计能力，特别适合关节、软骨和器官的应用。本文提出了一种基于深度学习算法的超材料纤维增强水凝胶结构设计策略。首先开发了超材料纤维增强水凝胶的固体力学模型，以构建纤维分布的数据集和复合材料相应的力学性能。然后训练生成对抗网络（GAN）来表征应力或位移场与超材料纤维分布之间的关系。训练有素的GAN用于设计特定条件下的超材料纤维增强水凝胶复合结构。结果表明，深度学习方法可以有效且可靠地预测水凝胶复合材料的结构，在药物释放和柔性电子器件方面具有巨大的应用潜力。实现框架如图1所示：

图1 基于深度框架的结构设计流程图

  基于连续介质力学理论，开发了一种二维超材料纤维增强水凝胶复合材料模型模拟由温度和外部溶液的离子浓度变化引起的自由膨胀过程。得到了复合材料自由溶胀过程的有限元模拟结果，包括溶胀前复合材料中超材料纤维的分布以及溶胀后复合材料机械场的分布。GAN的数据集由有限元模拟图像组成。溶胀后的机械场分布作为输入和超材料纤维分布作为输出，被用来训练深度学习模型。

基于应力场的设计的GAN模型的定量分析

基于位移场的设计的GAN模型的定量分析

图3 基于位移场设计的深度学习模型性能分析

案例研究一：GAN指导应力场设计超材料纤维增强水凝胶复合材料

图4 基于深度学习模型设计药物释放结构

案例研究二：GAN指导位移场设计超材料纤维增强水凝胶复合材料

图5基于深度学习模型设计柔性传感器件

  本文提出一种基于深度学习的结构设计策略，以实现基于给定机械场的超材料纤维增强水凝胶的结构设计。首先针对不同数量、尺寸、取向和位置的超材料纤维增强的水凝胶复合材料开发了一系列有限元模型。深度学习算法GAN表征了水凝胶复合材料中机械场与相应的超材料纤维分布之间的关系。通过训练有素的GAN在给定的应力场或位移场下预测了超材料纤维增强水凝胶复合材料的结构。现将结论如下：

  1）超材料纤维增强了水凝胶复合材料的机械性能。超材料纤维与水凝胶基质的整合诱导水凝胶在溶胀过程中具有各向异性，其中纤维的周期和分布都会影响水凝胶复合材料在自由溶胀后的机械场分布。

  2）训练GAN模型获得了机械场和超材料纤维分布之间的端到端映射。GAN模型在给定的机械场（包括应力场和位移场）下预测目标机械性能所需的纤维分布，同时显著降低计算成本。

  3）提出的基于GAN的结构设计策略用于二维场景下药物释放及柔性传感器装置的结构设计。该方法为纤维增强水凝胶复合材料在生物医学领域的应用提供了新的途径和灵感。

  原文链接：Mechanical Field Guiding Structure Design Strategy for Meta-Fiber Reinforced Hydrogel Composites by Deep Learning

  刘传志，张兴宇*，刘夏，杨庆生

  https://doi.org/10.1002/advs.202310141