工程设计中深度生成模型研究综述
机器学习
2022-03-18 v4 机器学习
摘要
自动化设计综合有潜力彻底改变现代工程设计流程，并使众多行业获得高度优化和定制化的产品。成功将生成式机器学习适配于工程设计或可实现此类自动化设计综合，是一个极为重要的研究课题。我们对工程设计中深度生成机器学习模型进行了综述与分析。深度生成模型(DGMs)通常利用深度网络从输入数据集中学习并综合新设计。近来，诸如前馈神经网络(NNs)、生成对抗网络(GANs)、变分自编码器(VAEs)以及某些深度强化学习(DRL)框架等 DGMs，在结构优化、材料设计和形状综合等设计应用中展现出可喜结果。自 2016 年以来，DGMs 在工程设计中的普及率急剧上升。预期其持续增长，我们对近期进展进行综述以惠及关注设计用 DGMs 的研究者。我们将综述结构化为对当前文献中常用算法、数据集、表示方法与应用的阐述。特别地，我们讨论了引入 DGMs 新技术新方法、成功将 DGMs 应用于设计相关领域，或通过数据集或辅助方法直接支撑 DGMs 发展的关键工作。我们进一步指出了各设计领域中 DGMs 当前的关键挑战与局限，如设计创造性、约束与目标处理，以及同时建模形式与功能性能。在讨论中，我们确定了可能的解决路径，作为未来工作应针对的关键方向。
引用
@article{arxiv.2110.10863,
title = {Deep Generative Models in Engineering Design: A Review},
author = {Lyle Regenwetter and Amin Heyrani Nobari and Faez Ahmed},
journal= {arXiv preprint arXiv:2110.10863},
year = {2022}
}