Παράλληλες αριθμητικές μέθοδοι βελτιστοποίησης για αντίστροφο σχεδιασμό μεταϋλικών
| datacite.contributor.RelatedPerson | Γαλλόπουλος, Ευστράτιος | |
| datacite.contributor.RelatedPerson | Δερματάς, Ευάγγελος | |
| datacite.contributor.Supervisor | Χατζηδούκας, Παναγιώτης | |
| dc.contributor.author | Κουρτάκης, Βασίλειος Μάριος | |
| dc.contributor.other | Kourtakis, Vasileios Marios | |
| dc.date.accessioned | 2025-11-03T07:36:30Z | |
| dc.date.available | 2025-11-03T07:36:30Z | |
| dc.date.issued | 2025-10-17 | |
| dc.degree | masterThesis | |
| dc.description.abstract | Η ραγδαία ανάπτυξη των υπολογιστικών τεχνικών, σε συνδυασμό με τη συνεχή πρόοδο στους τομείς της προσομοίωσης και της μηχανικής υλικών, έχει ανοίξει νέους ορίζοντες στη μελέτη και κατασκευή υλικών με ιδιότητες που υπερβαίνουν αυτές των φυσικών. Τα μεταϋλικά (metamaterials) αποτελούν χαρακτηριστικό παράδειγμα αυτής της εξέλιξης, καθώς συνδυάζουν τεχνητές μικροδομές που επιτρέπουν την εμφάνιση ιδιοτήτων μη διαθέσιμων στα συμβατικά υλικά, όπως ο αρνητικός λόγος Poisson, η αρνητική ακαμψία, ή η ελεγχόμενη διάδοση κυμάτων. Οι μοναδικές αυτές ιδιότητες τα καθιστούν ιδιαίτερα χρήσιμα σε ένα ευρύ φάσμα εφαρμογών, από την αεροναυπηγική και τη ρομποτική έως τη βιοϊατρική μηχανική και την ακουστική απορρόφηση. Ωστόσο, η πολυπλοκότητα της γεωμετρίας και της φυσικής συμπεριφοράς των μεταϋλικών καθιστά τον αντίστροφο σχεδιασμό τους μια εξαιρετικά απαιτητική υπολογιστική διαδικασία. Στον αντίστροφο σχεδιασμό, οι επιθυμητές ιδιότητες ορίζονται εκ των προτέρων και το υπολογιστικό σύστημα καλείται να αναγνωρίσει τη μικροδομή που θα τις επιτύχει. Η επίλυση ενός τέτοιου προβλήματος προϋποθέτει πολύπλοκες βελτιστοποιήσεις σε πολυδιάστατο χώρο παραμέτρων, με υψηλό υπολογιστικό κόστος και συχνά μη γραμμικές σχέσεις μεταξύ των μεταβλητών. Η παρούσα διπλωματική εργασία εστιάζει στην ανάπτυξη, βελτιστοποίηση και παραλληλοποίηση αλγορίθμων που επιταχύνουν την υπολογιστική διαδικασία του αντίστροφου σχεδιασμού μεταϋλικών, καθιστώντας την εκτέλεση των πολύπλοκων αυτών υπολογισμών εφικτή σε κοινούς προσωπικούς υπολογιστές. Μέσα από την υλοποίηση και συγκριτική ανάλυση των μεθόδων MMGADIHom (Mechanical Modeling Genetic Algorithm Discrete Inverse Homogenization), CMA-ES (Covariance Matrix Adaptation Evolution Strategy) και pyGAD, διερευνάται η ικανότητα των εξελικτικών αυτών αλγορίθμων να αναγνωρίζουν και να βελτιστοποιούν μικροδομές μεταϋλικών με στόχο την επίτευξη συγκεκριμένων μηχανικών ιδιοτήτων. Ιδιαίτερη βαρύτητα δίνεται στη παραλληλοποίηση των υπολογισμών μέσω της βιβλιοθήκης torcpy, η οποία αξιοποιεί τις δυνατότητες πολυνηματικής και πολυπύρηνης εκτέλεσης. Με αυτόν τον τρόπο, οι απαιτητικές διαδικασίες ομογενοποίησης και υπολογισμού της συνάρτησης κόστους εκτελούνται ταυτόχρονα σε πολλαπλούς πυρήνες, μειώνοντας σημαντικά τον χρόνο εκτέλεσης χωρίς να θυσιάζεται η ακρίβεια των αποτελεσμάτων. Η προσέγγιση αυτή ενισχύει την προσβασιμότητα των μεθόδων αυτών και επιτρέπει την υλοποίηση προηγμένων ερευνητικών εφαρμογών σε περιβάλλοντα περιορισμένων υπολογιστικών πόρων. Παράλληλα, η εργασία εξερευνά τον ανισοτροπικό χώρο σχεδίασης των μεταϋλικών, έναν τομέα που μέχρι σήμερα παραμένει ελάχιστα μελετημένος. Η δυνατότητα ελέγχου της μηχανικής συμπεριφοράς ενός υλικού σε διαφορετικούς άξονες ανοίγει νέες προοπτικές στην κατασκευή υλικών με προσαρμόσιμες ιδιότητες, όπως αυξητική συμπεριφορά, ελεγχόμενη ακαμψία και βελτιωμένη αντοχή σε δυνάμεις διάτμησης. Τα πειραματικά αποτελέσματα που προέκυψαν αποδεικνύουν ότι ο συνδυασμός εξελικτικών αλγορίθμων και παραλληλοποιημένων διαδικασιών μπορεί να αποδώσει νέες, αποδοτικές και λειτουργικά καινοτόμες μικροδομές. Συνολικά, η εργασία συμβάλλει ουσιαστικά στη συστηματική και αποδοτική προσέγγιση του αντίστροφου σχεδιασμού μεταϋλικών, παρέχοντας ένα υπολογιστικό πλαίσιο υψηλής αποδοτικότητας που ενώνει την επιστημονική θεωρία με την πρακτική εφαρμογή. Ο συνδυασμός βελτιστοποίησης, παραλληλοποίησης και μηχανικής ομογενοποίησης καθιστά δυνατή την παραγωγή μεταϋλικών υψηλής απόδοσης, με δυνητικές εφαρμογές στη μηχανική, τη ρομποτική, τη βιοϊατρική και τη βιομηχανική τεχνολογία του μέλλοντος. | |
| dc.description.translatedabstract | The rapid advancement of computational techniques, combined with continuous progress in simulation and materials engineering, has opened new horizons in the study and fabrication of materials that surpass the capabilities of conventional matter. Metamaterials represent a prime example of this evolution, as they are composed of artificial microstructures that enable properties not found in natural materials, such as negative Poisson’s ratio, negative stiffness, and controlled wave propagation. These unique characteristics make metamaterials valuable in a wide range of applications, from aerospace and robotics to biomedical engineering and acoustic absorption. However, the geometric and physical complexity of metamaterials renders their inverse design a highly demanding computational challenge. In inverse design, the desired macroscopic properties are defined as inputs, and the computational model must identify the microstructure that achieves them. Solving this problem requires multi-dimensional optimization with high computational cost and nonlinear parameter dependencies. This thesis focuses on the development, optimization, and parallelization of algorithms aimed at accelerating the computational process of inverse metamaterial design, enabling complex simulations to be performed on conventional personal computers. Through the implementation and comparative study of the MMGADIHom (Mechanical Modeling Genetic Algorithm Discrete Inverse Homogenization), CMA-ES (Covariance Matrix Adaptation Evolution Strategy), and pyGAD methods, the work investigates the ability of these evolutionary algorithms to identify and optimize metamaterial microstructures that meet desired mechanical properties. A key contribution of the work lies in the parallelization of computations using the torcpy library, which exploits multi-threaded and multi-core architectures. This allows intensive homogenization and cost-function evaluations to run concurrently across multiple cores, significantly reducing execution time while maintaining computational accuracy. The approach enhances the accessibility and scalability of these algorithms, making advanced simulations feasible even in low-resource environments. Furthermore, the thesis explores the anisotropic design space of metamaterials, an area that remains largely unexplored. The ability to control a material’s mechanical behavior along different axes opens new possibilities for the design of adaptive structures exhibiting auxetic behavior, tunable stiffness, and enhanced shear resistance. The experimental results demonstrate that the combination of evolutionary optimization and parallelized computation can yield novel, efficient, and functionally adaptive microstructures. Overall, this work provides a comprehensive and efficient framework for the systematic inverse design of metamaterials, bridging the gap between theoretical modeling and practical implementation. By combining optimization, parallelization, and mechanical homogenization, it establishes a pathway toward the creation of high-performance metamaterials with wide-ranging applications in engineering, robotics, biomedical science, and industrial technology. | |
| dc.identifier.uri | https://hdl.handle.net/10889/30914 | |
| dc.language.iso | el | |
| dc.rights | Attribution-ShareAlike 3.0 Greece | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-sa/3.0/gr/ | |
| dc.subject | Παράλληλος υπολογισμός | |
| dc.subject | Μεταϋλικά | |
| dc.subject | Ανισοτροπικά σχέδια | |
| dc.subject | Γενετικός αλγόριθμος | |
| dc.subject | Μοντέλα βαθιάς εκμάθησης | |
| dc.subject.alternative | Parallel computing | |
| dc.subject.alternative | Metamaterials | |
| dc.subject.alternative | Anisotropic designs | |
| dc.subject.alternative | Genetic algorithm | |
| dc.subject.alternative | Deep learning models | |
| dc.title | Παράλληλες αριθμητικές μέθοδοι βελτιστοποίησης για αντίστροφο σχεδιασμό μεταϋλικών | |
| dc.title.alternative | Parallel optimization of numerical methods for inverse design of metamaterials |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- optimization_of_metamaterials_KOURTAKIS_VASILEIOS_MARIOS.pdf
- Size:
- 1.38 MB
- Format:
- Adobe Portable Document Format
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 5.02 KB
- Format:
- Item-specific license agreed upon to submission
- Description: