生成式逆向设计：从单点优化到多样化设计组合通过条件变分自编码器
机器学习
2025-10-08 v1 人工智能
摘要
逆向设计寻求找到针对目标输出的最优参数，是工程中的核心挑战。基于代理的优化 (SBO) 已成为标准方法，但其本质结构仅收敛于单点解，从而限制了设计空间的探索，忽略了潜在的有价值备选拓扑。本文提出从单点优化向生成式逆向设计的范式转变。我们引入基于条件变分自编码器 (CVAE) 的框架，学习系统设计参数与其性能之间的概率映射，实现对特定性能目标的多样化高绩效候选方案的生成。我们将该方法应用于复杂非线性问题——最小化机翼自噪，使用来自前期基准研究的高性能 SBO 方法作为严格的基准。CVAE 框架成功生成 256 个新型设计，validity rate 达 94.1\%。随后的代理评估显示，这些有效设计中有 77.2\% 达到了优于 SBO 基准所发现的单一最优设计的优异性能。该工作表明，生成式方法不仅发现更高质量的解决方案，而且提供了丰富的多样化候选组合，从根本上增强了工程设计流程，使其能够进行多标准决策。
引用
@article{arxiv.2510.05160,
title = {Generative Inverse Design: From Single Point Optimization to a Diverse Design Portfolio via Conditional Variational Autoencoders},
author = {Muhammad Arif Hakimi Zamrai},
journal= {arXiv preprint arXiv:2510.05160},
year = {2025}
}