深度生成式设计：拓扑优化与生成模型的集成
机器学习
2020-05-27 v2 计算工程、金融与科学
神经与进化计算
摘要
深度学习近来已被应用于设计优化的多个研究领域。本研究指出了在设计生成（或设计探索）研究领域中采用深度学习的必要性与有效性。本工作提出了一种基于人工智能（AI）的设计自动化框架，能够生成大量不仅在美学上令人满意、而且针对工程性能经过优化的设计方案。所提出的框架以迭代方式将拓扑优化与深度生成模型（例如生成对抗网络（GANs））相集成，以探索新的设计方案，从而从有限的以往设计数据出发生成大量设计。此外，异常检测能够评估所生成设计的新颖性，从而帮助设计人员在设计方案中做出选择。以二维车轮设计问题作为案例研究来验证所提出的框架。该框架相比以往的生成式设计方法，在生成设计的美学性、多样性和鲁棒性方面表现更优。
引用
@article{arxiv.1903.01548,
title = {Deep Generative Design: Integration of Topology Optimization and Generative Models},
author = {Sangeun Oh and Yongsu Jung and Seongsin Kim and Ikjin Lee and Namwoo Kang},
journal= {arXiv preprint arXiv:1903.01548},
year = {2020}
}