据上海交大官网报道，机械与动力工程学院朱平教授、美国西北大学Wei Chen教授及美国加州理工学院Chiara Daraio教授合作团队利用数据驱动的方法设计非均质的超材料结构，获得了优异的力学隐身性能，为更为普适的力学隐身衣设计提供了一条有前景的新路径。本研究基于构建的大型超材料数据库，提出了一种基于计算均匀化、拓扑优化和图模型优化的数据驱动设计方法，利用超材料高度可调的力学性能，实现一个或多个任意形状空洞的在各类基体微结构，及多种边界条件下的力学隐身，提供现有方法难以达到的隐身效果及设计自由度。该方法是基于超材料库内单胞的材料性能空间，利用均匀化方法将整个超材料结构视作连续介质，使用拓扑优化方法对力学隐身衣的形状拓扑及其内部材料性能分布进行同步的设计；再从材料库中为不同区域的材料性能筛选出一组对应的候选单胞，通过构建马尔可夫随机场图模型，将单胞匹配问题转化为随机场图模型的能量最小化问题，利用对偶分解算法进行高效的并行求解，从每一候选组中选取一个最优的单胞，填充至超材料结构的对应区域；在满足设计性能要求的同时，实现相邻单胞在几何和力学上的协调连接，得到可直接进行制造的力学隐身衣。 为了验证方法有效性，论文分别设计了不同边界条件、空洞形状和基体微结构样式的力学隐身衣，包括由两个不规则孔组成的蝶状空洞，通过数值模拟与对3D打印件的实际实验测量，对力学隐身效果进行了验证。结果表明，研究设计的力学隐身衣在各设计案例中，均可大幅度降低空洞引起的力学响应扰动，展现出优异的力学隐身性能，而研究提出的方法，其特有的自适应拓扑形状设计，相比传统固定拓扑的设计，能够进一步提高隐身性能。数据驱动框架的引入，实现了在各异的设计条件下，快速获得对应优异隐身衣结构的能力，解决了以往方法在应用问题上的局限性。未来，该方法有望应用于各类具有非均质力学性能要求的工程结构中，如软体机器人和仿生假体，实现定制化和特殊化的设计。该研究成果在PNAS上发表研究成果“Mechanical Cloak via Data-Driven Aperiodic Metamaterial Design”。