SELTO：样本高效的学习型拓扑优化
机器学习
2023-06-07 v2 计算机视觉与模式识别
摘要
深度学习（DL）的最新进展表明其在拓扑优化（TO）方面具有巨大潜力。然而，尽管已有一些有希望的尝试，该子领域在基本方法和数据集方面仍缺乏坚实基础。我们旨在解决这两个问题。首先，我们探索基于物理的预处理和等变网络，为TO DL流水线创建样本高效的组件。我们在大规模消融研究中通过端到端监督训练对它们进行评估。结果表明样本效率及预测的物理正确性得到显著改善。其次，为提高可比性和未来进展，我们发布了首批两个包含问题及对应真实解的TO数据集。
引用
@article{arxiv.2209.05098,
title = {SELTO: Sample-Efficient Learned Topology Optimization},
author = {Sören Dittmer and David Erzmann and Henrik Harms and Peter Maass},
journal= {arXiv preprint arXiv:2209.05098},
year = {2023}
}
备注
25 pages, 10 figures, submitted to the International Journal for Numerical Methods in Engineering