Generative Inverse Design of Metamaterials with Functional Responses by Interpretable Learning
تقدم هذه الورقة إطار عمل RIGID، وهو إطار تعلم آلي قابل للتفسير وذو دفعة واحدة، يستفيد من النماذج الأمامية القائمة على الغابات العشوائية وأخذ عينات ماركوف مونت كارلو لتوليد تصميمات متنوعة للمواد الميتا (metamaterials) ذات سلوكيات وظيفية مستهدفة بسرعة تحت قيود البيانات الصغيرة، متفوقاً بذلك على الخوارزميات الجينية التقليدية في تغطية حيز التصميم.