关于人工神经网络在拓扑优化中的应用
计算工程、金融与科学
2022-10-14 v1
摘要
近年来，人工智能领域的方法如何帮助改进拓扑优化的传统框架这一问题日益受到关注。受神经网络在图像分析中能力的启发，人们提出了不同的模型变体，旨在实现无迭代的拓扑优化，但成效不一。其他工作则聚焦于通过替换昂贵的优化器和状态求解器或缩减设计空间来加速，但尚未获得同等关注。呈现不同应用的文章组合由此变得广泛，但鲜有真正的突破。文献中的一个总体趋势是对人工智能“魔力”的强烈信赖，从而对此类方法的能力存在误解。因此，本文旨在对该领域的研究现状进行批判性综述。为此，我们给出了不同模型应用的概览，并努力找出整体缺乏令人信服成功的原因。通过透彻分析，我们识别并区分了现有模型中存在问题的与有前景的方面。所得发现被用于详细给出建议，以期推动该领域进一步研究中潜在科学进展的路径。
引用
@article{arxiv.2208.02563,
title = {On the use of Artificial Neural Networks in Topology Optimisation},
author = {Rebekka V. Woldseth and Niels Aage and J. Andreas Bærentzen and Ole Sigmund},
journal= {arXiv preprint arXiv:2208.02563},
year = {2022}
}
备注
36 pages, 7 figures (13 figures counting sub-figures), accepted for publication in Structural and Multidisciplinary Optimization