基于生成式预训练Transformer的仿生设计
计算与语言
2022-04-22 v1 机器学习
摘要
自然界中的生物系统历经数百万年进化以适应环境并生存。它们所发展出的许多特征可为解决现代工业中的技术问题提供灵感与裨益。这催生了一种称为仿生设计（BID）的新型类比设计。尽管BID作为一种设计方法已被证明有益，但生物学与工程学之间的鸿沟持续阻碍设计者有效应用该方法。因此，我们探索人工智能（AI）的最新进展，以计算方法弥合这一鸿沟。本文提出一种基于预训练语言模型（PLM）的生成式设计方法，自动检索并映射生物类比，并以自然语言形式生成BID。最新的生成式预训练Transformer，即GPT-3，被用作基础PLM。根据问题空间表示的宽松程度，从PLM中识别并微调三类设计概念生成器。同时微调机器评估器以评估所生成BID概念中各领域间的相关性。随后通过一个案例研究测试该方法，将微调后的模型应用于生成和评估受自然启发的轻量化飞行汽车概念。结果表明，我们的方法能生成性能良好的BID概念。
引用
@article{arxiv.2204.09714,
title = {Generative Pre-Trained Transformers for Biologically Inspired Design},
author = {Qihao Zhu and Xinyu Zhang and Jianxi Luo},
journal= {arXiv preprint arXiv:2204.09714},
year = {2022}
}
备注
Accepted by the 34th ASME IDETC-CIE International Conference on Design Theory & Methodology