EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Machine learning-driven inverse design of functionally graded auxetic metamaterials including non-linear regimes

S. Farshbaf, N. Dialami, M. Cervera

Applied Materials Today · 2026-04 · 49 · 103147

DOI: 10.1016/j.apmt.2026.103147 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Applied Materials Today, 2026-04. Verfasst von S. Farshbaf und 2 weiteren Autor:innen. Die Arbeit wurde bisher 8-mal zitiert (Crossref) und nennt 56 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: España Ministerio de Ciencia Innovación y Universidades, Agència de Gestió d'Ajuts Universitaris i de Recerca.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • España Ministerio de Ciencia Innovación y Universidades
  • Agència de Gestió d'Ajuts Universitaris i de Recerca

Zitieren

APA

Farshbaf, S., Dialami, N., & Cervera, M. (2026). Machine learning-driven inverse design of functionally graded auxetic metamaterials including non-linear regimes. Applied Materials Today, 49, 103147. https://doi.org/10.1016/j.apmt.2026.103147

Vancouver

Farshbaf S, Dialami N, Cervera M. Machine learning-driven inverse design of functionally graded auxetic metamaterials including non-linear regimes. Applied Materials Today. 2026;49:103147. doi:10.1016/j.apmt.2026.103147

BibTeX
@article{Farshbaf2026,
  author = {Farshbaf, S. and Dialami, N. and Cervera, M.},
  title = {Machine learning-driven inverse design of functionally graded auxetic metamaterials including non-linear regimes},
  journal = {Applied Materials Today},
  year = {2026},
  volume = {49},
  pages = {103147},
  doi = {10.1016/j.apmt.2026.103147}
}
Kostenlos starten →