L’IA pour créer des métamatériaux acoustiques
Des chercheurs coréens ont utilisé une méthode de conception inverse basée sur l’apprentissage profond évolutif pour développer un métamatériau acoustique complexe.
Le métamatériau « Ventilated Acoustic Resonator » (VAR) mis au point à l’université nationale de Pusan peut réduire le bruit et assurer la ventilation simultanément.
Les méthodes analytiques conventionnelles ne permettent que des conceptions paramétriques simples et sont difficiles à mettre en œuvre pour les VAR de forme complexe. Les chercheurs de Pusan ont développé une méthode de conception inverse basée sur l’apprentissage profond qui permet une conception flexible de VAR complexes non paramétriques avec des performances améliorées, tout en réduisant les coûts de calcul.
La pollution sonore est devenue de plus en plus courante dans les zones urbaines, en raison de la circulation, des activités de construction et des usines. Diverses méthodes de réduction du bruit ont été proposées, comme le blocage physique du chemin du son et le contrôle actif du bruit, mais le blocage physique du son peut également entraîner une mauvaise ventilation.
Intelligent acoustic sensors to give cars a sense of hearing
Les métamatériaux acoustiques (MA) ont été largement étudiés comme une solution prometteuse à ce sujet en raison de leurs propriétés acoustiques uniques. Récemment, le résonateur acoustique ventilé (VAR) a été proposé pour manipuler à la fois les ondes sonores et le flux d’air en utilisant uniquement des formes géométriques.
Il s’agit d’un guide d’ondes qui guide les ondes sonores vers une cavité résonante qui les emprisonne et peut bloquer même les bruits de basse fréquence avec une structure compacte tout en maintenant la ventilation. Pour être performant, un VAR doit avoir une forme fonctionnelle optimisée pour l’atténuation du son à large bande sur une fréquence de crête cible. Cependant, les méthodes de conception analytiques conventionnelles ne permettent que des conceptions paramétriques relativement simples et ne peuvent pas être utilisées pour réaliser des VAR avec des géométries complexes.
« Nous avons proposé une stratégie d’exploration de l’espace latent qui recherche un VAR à large bande avec la fréquence cible par le biais d’une optimisation basée sur des algorithmes génétiques. Par rapport aux méthodes conventionnelles, notre approche permet une grande flexibilité de conception tout en réduisant les coûts de calcul », a déclaré le professeur associé Sang Min Park de l’école d’ingénierie mécanique de Pusan.
Dans la méthode de conception inverse proposée, un auto-encodeur variationnel conditionnel (CVAE), un modèle génératif d’apprentissage profond, encode les caractéristiques géométriques de la VAR dans l’espace latent. L’espace de latence est un espace de dimension inférieure qui contient les informations essentielles d’une entrée de dimension supérieure, en l’occurrence, le VAR.
Pour générer cet espace, la CVAE est entraînée à l’aide d’images en coupe de la cavité résonante de la VAR et d’informations sur la fréquence de crête. L’espace latent généré est ensuite utilisé pour l’optimisation par algorithme génétique (AG), visant à rechercher une VAR avec une performance d’atténuation sonore à large bande pour différentes fréquences cibles de pointe. L’AG applique une approche basée sur la sélection naturelle pour rechercher un VAR optimisé sur plusieurs générations à venir.
Les chercheurs ont entraîné la CVAE à l’aide d’images de coupes transversales d’un VAR doté d’une cavité résonnante en forme de T dont les paramètres de conception varient. En utilisant ces données, leur stratégie d’optimisation a produit un VAR non paramétrique avec une structure atypique mais fonctionnelle. Les chercheurs ont comparé les résultats de l’optimisation avec le VAR ayant la largeur de bande la plus large dans les données d’apprentissage pour chaque fréquence cible et ont constaté que les conceptions optimisées présentaient des largeurs de bande plus larges dans tous les cas. En outre, ils ont comparé les performances du VAR non paramétrique à celui conçu à l’aide d’une méthode de conception inverse basée sur les paramètres et ont constaté que les premiers avaient des bandes passantes considérablement plus larges.
« Nos VAR à très large bande peuvent être déployés dans des environnements urbains pour réduire efficacement la pollution sonore sans compromettre la ventilation, améliorant ainsi la qualité de vie en créant des espaces de vie et de travail plus silencieux et plus confortables », a déclaré M. Park. « En outre, notre stratégie ouvre de nouveaux horizons pour la conception de structures mécaniques complexes basée sur l’intelligence artificielle, ce qui pourrait révolutionner des domaines tels que l’ingénierie automobile et aérospatiale. »
Cette méthode de conception d’un métamatériau acoustique représente une étape importante vers la conception pilotée par l’IA pour d’autres structures mécaniques complexes.
Diverses méthodes de réduction du bruit
Si vous avez apprécié cet article, vous aimerez les suivants : ne les manquez pas en vous abonnant à :
