HyperAIHyperAI

Command Palette

Search for a command to run...

Ensemble De Données De Référence Sur Les Métamatériaux Mécaniques UniMate

Date

il y a 4 mois

URL de publication

github.com

URL de l'article

openreview.net

Rejoignez la communauté Discord

L'ensemble de données UniMate est un ensemble de données de référence sur les métamatériaux mécaniques publié par l'équipe UNIMATE en 2025. Les résultats de l'article associé sont «UNIMATE : un modèle unifié pour la génération de métamatériaux mécaniques, la prédiction des propriétés et la confirmation de l'état", a été accepté par l'ICML 2025. Cet ensemble de données est basé sur la structure topologique de Lumpe & Stankovic (2021). Il s'agit du premier ensemble de données de haute qualité qui inclut uniformément la structure tridimensionnelle, les informations de densité et les propriétés mécaniques. Il vise à résoudre le problème du manque de couverture multimodale et multitâche des ensembles de données de métamatériaux existants, et convient à des tâches telles que la génération de structures, la prédiction de propriétés et la modélisation multimodale.

L'ensemble de données UniMate contient 15 000 échantillons, chacun contenant une structure topologique tridimensionnelle, des informations sur la densité et ses propriétés mécaniques homogénéisées correspondantes, couvrant des scénarios de faible densité (ρ = 0,1) à moyenne densité (ρ = 0,5), et la structure topologique satisfait la symétrie cubique et la périodicité.

Construire l'IA avec l'IA

De l'idée au lancement — accélérez votre développement IA avec du co-codage IA gratuit, un environnement prêt à l'emploi et les meilleurs prix GPU.

Co-codage IA
GPU prêts à utiliser
Meilleurs prix
Commencer

Hyper Newsletters

Abonnez-vous à nos dernières mises à jour
Nous vous enverrons les dernières mises à jour de la semaine dans votre boîte de réception à neuf heures chaque lundi matin
Propulsé par MailChimp
Ensemble De Données De Référence Sur Les Métamatériaux Mécaniques UniMate | Ensembles de données | HyperAI