Diseño generativo de metamateriales mecánicos blandos

Abstract

Los metamateriales mecánicos se caracterizan, entre otras cosas, por poseer coeficiente de Poisson negativo. Esta propiedad de denomina auxeticidad y es de gran interés en distintas aplicaciones, como la absorción de impacto y vibraciones, entre otros. Los metamateriales adquieren esta característica mediante su estructura, la cual puede ser modificada según el comportamiento auxetico que se quiera alcanzar. Los metamateriales comúnmente están compuestos por celdas o unidades básicas, las cuales determinan mediante su estructura las propiedades del material. El coeficiente de Poisson representa un parámetro que mide el ensanchamiento o estrechamiento transversal de un material al ser estirado longitudinalmente. Un coeficiente de Poisson positivo indica que un material se ensancha al ser comprimido y se estrecha al ser estirado. La gran mayoría de los materiales poseen un coeficiente de Poisson positivo. El presente trabajo tiene como objetivo principal el desarrollar un método evolutivo fácilmente repetible que permita variar la estructura de un metamaterial según el grado de auxeticidad que se quiera lograr. Para lograr esta meta, se plantean objetivos específicos, como lo son el desarrollar un genoma para representar la estructura de un metamaterial, desarrollar un método para evaluar el desempeño de las estructuras y establecer un entorno evolutivo que permita generar soluciones óptimas. Los resultados obtenidos indican que el método es capaz de generar estructuras con comportamiento auxético para distintos casos, ya sea en compresión o en tracción. Incluso se puede generar un conjunto de soluciones que busquen optimizar dos objetivos de forma simultánea, como puede ser buscar coeficientes de Poisson específicos para distintos casos. En contrapartida, muchas veces las estructuras generadas poseen una estructura muy similar, que solo varía levemente entre caso y caso. Este comportamiento puede deberse al genoma desarrollado, el cual puede no proveer un abanico suficiente de posibles soluciones a las que el algoritmo pueda converger. Finalmente, se concluye que el método puede ser una muy buena herramienta para generar estructuras cuadradas y auxéticas en 2D que requieran simetría en su estructura. Este método posee gran eficacia tanto para maximizar el comportamiento auxético, como para resolver problemas que busquen uno o varios comportamientos específicos a la vez.