上科大凌盛杰团队 Adv. Sci：使用深度强化学习优化生物仿生3D纤维网络结构实现轻量化与高强度的平衡

上海科技大学凌盛杰教授课题组开发了一种基于深度强化学习的优化框架，用于研究三维无序纤维网络（3D-DFNS）的结构-性能关系。该研究通过程序化建模、粗粒化分子动力学模拟和机器学习，探索了如何实现轻量化与高强度的优化平衡。研究发现，纤维总长度和节点连接度是影响网络力学性能的关键因素。通过深度强化学习优化，网络的三重节点比例增加，高阶节点比例减少，从而显著提升了网络的抗崩溃能力。该研究为高性能仿生材料的设计提供了理论支持，并在柔性电子、可穿戴设备及抗冲击防护材料等领域展现了广泛的应用潜力。