NSTO：神经合成拓扑优化用于调制结构生成
摘要：使用结构拓扑优化和增材制造技术，可以人工创建类似蜂窝结构的高效结构。然而，拓扑优化的计算成本很高，导致网格分辨率低、求解时间长，并且边界粗糙，无法满足不断增长的个人制造需求和打印能力要求。因此，我们提出了一种神经合成拓扑优化方法，利用自我监督的基于坐标的网络来优化结构，大大缩短计算时间，其中网络将结构材料布局编码为坐标的隐式函数。在不同边界条件或约束的优化任务下生成连续的解空间，以便用户即时推导出新的解决方案。通过数值实验和三维打印，我们证明了该系统在广泛的使用场景中的有效性。
作者：Shengze Zhong, Parinya Punpongsanon, Daisuke Iwai and Kosuke Sato
论文ID：2303.11757
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2023-03-22