一种基于INPR-GAN网络的异形负泊松比超材料逆向设计方法

本发明涉及一种基于INPR‑GAN网络的异形负泊松比超材料逆向设计方法，构建包含“共形几何与材料力学”双重约束的五个结构参数与异形胞元泊松比映射关系的实验数据库，引入随机森林回归模型生成伪标签，通过特征筛选机制剔除违反物理和几何约束的数据扩充训练集，同时降低数据获取成本，提高模型泛化能力和稳健性，同时INPR‑GAN网络的生成器联合了对抗损失与特征匹配损失，促使生成器在追求对抗效果的同时保持物理和几何合理性，设计参数通过标准化目标泊松比、生成高斯噪声向量、前向传播生成器网络、反标准化参数四步自动化生成，解决传统机器学习逆向预测的难题，本发明无需试错实验，设计周期短，普适性强，能针对异形负泊松比结构实现高效精准设计。