arXiv cs.LG· Xiangyu Sun, Shirin Hosseinmardi, Ramin Bostanabad·· 12 天前AI 评分34
基于机器学习的可扩展应力约束拓扑优化：超分辨率与同步优化方法
Scalable Stress-Constrained Topology Optimization: A Super-resolution and Simultaneous Approach Based on Machine Learning
AI 导读
研究者提出了同步神经拓扑优化（SNTO）框架，利用自定义神经网络联合优化状态、伴随和设计变量，以解决大规模应力约束拓扑优化计算成本高的问题。该方法结合连续伴随分析与自动微分，并通过硬件感知训练方案将设计域划分为子域分布在最多 8 块 GPU 上。实验显示，SNTO 相比传统有限元方法能生成边界更清晰、灰度区更小的超分辨率设计，并可扩展至包含多达 800 万个配置点的 3D 问题。
来源：arXiv cs.LG · arxiv.org