【GAMES Webinar 2025-383期】
CAX专题
几何设计与智能制造
· 1 ·
报告题目
高分辨率轻量化结构设计的系统化仿真与基准评测平台——SGLDBench
报告嘉宾
王俊鹏
慕尼黑工业大学
报告时间
2025年10月30号 晚上8:00-8:30（北京时间）
报告方式
GAMES直播间:
https://live.bilibili.com/h5/24617282
报告摘要
面向刚度优化的高分辨率轻量化结构设计在工程领域具有重要意义。高分辨率结构不仅能实现更优的力学性能，还能通过丰富的几何细节提升结构在多工况下的适应性。然而，传统拓扑优化在高分辨率设计中常面临计算开销巨大与形状控制困难等挑战。近年来，基于几何化、张量化或参数化的设计方法不断涌现，能够以较低计算代价生成几何细节丰富且形态可控的结构。其中，受Michell理论启发的应力引导设计方法最具代表性，它以应力张量场为核心，通过沿主应力方向布置材料，实现高效的刚度优化。尽管此类方法展现出了各类优势，但尚缺乏一个统一、可复现的评估框架对其性能与特征进行系统比较，主要原因在于不同几何描述方式导致的评估不一致，以及高分辨率下拓扑优化计算的高难度与工具可及性问题。针对这些痛点，我们提出了SGLDBench（Stress-Guided Lightweight Design Benchmark）——一个面向高分辨率轻量化结构设计的统一仿真评估平台。SGLDBench集成六类代表性设计策略（包括拓扑优化、多孔填充优化、Voronoi填充、主应力线引导布置、应力对齐格架和体积Michell桁架），涵盖从刚度最优到几何可控的不同设计范式。其核心是一个改进的运行于MATLAB环境的几何多重网格弹性求解器，可在普通桌面PC上支持上亿自由度的三维仿真，且无需任何前期配置。借助统一的体素化分析框架，不同几何类型的设计可转化为一致的物理表示，实现公平的力学性能对比；配备的可视化与交互分析模块可直观展示von Mises应力分布、主应力方向偏差及变载荷响应等多维度特征。SGLDBench首次建立了贯通几何生成—高分辨率仿真—性能评估—可视分析的完整流程，为应力引导类设计方法提供了统一的实验与评估标准，不仅揭示了不同策略的性能差异与适用场景，也通过开放可扩展的接口，为探索新型轻量化设计原理提供了坚实的工具与研究基础。
嘉宾简介
王俊鹏，慕尼黑工业大学博士后，2023年以最高荣誉获得该校计算机科学博士学位。长期从事结构轻量化基本方法研究，关注“张量场几何表征驱动结构优化”的设计思路，聚焦于结构轻量化技术中常见的结果后处理困难、与先进材料适配性不足、几何规整性与力学性能难以兼顾以及计算规模过大等问题，并探索相应的建模与计算方案。研究内容涵盖拓扑优化、结构去均匀化、应力张量可视化及大规模数值计算等方向，代表性成果发表于《CMAME》《TVCG》《JMD》《SMO》等国际权威期刊。除方法研究外，他亦关注结构设计领域的基础工具与可复现性建设，倡导研究工具与数据的开放共享，主导开发和维护了 3D-TSV（应力可视化工具）、SGLDBench（高分辨率轻量化结构设计框架）以及 TOP3D_XL（大规模三维拓扑优化示例代码）等多款开源软件，为结构优化研究社区提供了重要的基础支撑与可持续的研究平台。
个人主页
https://psler.github.io/
· 2 ·
报告题目
面向分层结构的智能逆向设计与多尺度优化：机器学习与进化算法融合框架
报告嘉宾
金刘超
香港中文大学
报告时间
2025年10月30号 晚上08:30-09:00（北京时间）
报告方式
GAMES直播间:
https://live.bilibili.com/h5/24617282
报告摘要
分层结构因其复杂的多尺度几何形态与材料分布特征，展现出传统材料无法比拟的力学、热学与多功能性能。其性能不仅取决于材料成分，更依赖于跨尺度的层级组织。然而，几何—材料—响应之间的强耦合使得设计空间极为庞大，传统基于有限元分析的设计方法在计算成本与探索效率上均面临严重瓶颈。本报告提出一种基于机器学习与进化算法的智能逆向设计框架，用于高效预测与优化分层结构的力学响应与形态演化。首先，利用深度学习模型（包括残差网络、循环神经网络及傅里叶算子网络）训练替代模型，实现对复杂结构全场应变与变形行为的快速预测，其精度可达有限元真值的99%以上。随后，结合进化算法开展逆向优化，自动搜索材料与几何分布以实现预设目标（如指定应变场或形变模式），在显著降低计算代价的同时保持高设计精度。此外，报告提出一种新型几何编码策略，可处理任意二维或三维非规则结构，从而突破传统方法仅限规则域的限制，实现对数字材料、生物启发结构及功能格架的普适设计。经多材料3D打印验证，实验结果与模型预测高度一致，验证了所提方法的物理可靠性与可制造性。该研究奠定了基于人工智能的分层材料设计新方法，实现了“设计—仿真—制造”的闭环智能化流程。其成果对航空航天、柔性机器人、生物医疗及多功能复合材料等领域具有广泛应用潜力，为实现自适应、自优化的智能材料体系提供了理论与方法基础。
嘉宾简介
金刘超，香港中文大学博士，香港博士研究生奖学金（HKPFS）获得者。主要研究方向为3D/4D打印、智能材料与结构、软体机器人及其智能设计，致力于智能结构的建模、预测与逆向优化方法研究。本科毕业于四川大学匹兹堡学院。金刘超博士曾先后赴加州理工学院、麦吉尔大学、西湖大学、南方科技大学、深圳大学等国内外一流学府开展合作研究，主持和参与多项智能材料与先进制造方向的重要课题。在国际顶级期刊 Advanced Functional Materials、Advanced Science、Composites Part B、Materials & Design等发表论文二十余篇，其中多篇为 ESI高被引论文、封面论文及高下载论文。其研究成果多次在 SPIE、ASME、IEEE等国际会议上交流汇报，并获得IEEE国际无人系统大会最佳论文奖等多项学术荣誉。
个人主页
https://jin-liuchao.github.io/
主持人简介
翟晓雅
中国科学技术大学
翟晓雅，现任中国科学技术大学数学科学学院副研究员。入选中国工业与应用数学学会青年人才托举工程项目，安徽省青年拔尖人才青年学者计划，2022年度中国科学院优秀博士学位论文，仲英青年学者，华为青年人才，中科大墨子杰出青年。主要研究方向为超材料的逆向设计、可微的微结构的拓扑优化以及增材制造等相关领域。她已在Nature Communications, Advanced Science、Composite part B、CMAME、Materials & Design等国际权威期刊发表40余篇学术论文。
个人主页
https://xiaoyazhai.github.io/
长按二维码，关注公众号
GAMES网站: http://games-cn.org