跳到正文
arXiv · ML· Xiangyu Sun, Shirin Hosseinmardi, Ramin Bostanabad·· 29 天前AI 评分22

SNTO 框架:基于机器学习的可扩展应力约束拓扑优化方法

Scalable Stress-Constrained Topology Optimization: A Simultaneous Approach Based on Machine Learning

AI 导读

研究人员提出同步神经拓扑优化(SNTO)框架,利用自定义神经网络联合优化状态、伴随及设计变量,以解决大规模应力约束拓扑优化的计算瓶颈。 该框架采用硬件感知训练方案,将设计域分区分布于多达 8 个 GPU 上并行训练,支持数百万自由度及最大 800 万个采样点,且无需引入额外损失项即可保证场连续性。

来源:arXiv · ML · arxiv.org