基于形态学习的可微与非可微目标同时拓扑优化：刚性与细胞生长于支架
软凝聚态物质
2025-01-27 v3
摘要
微结构的拓扑优化在优化各类工程应用的功能性能方面发挥着关键作用。虽然具有超弹性、能量吸收和热效率等增强机械性能的超材料通常使用复杂的微结构几何形状和多物理场仿真来设计，但实现机械性能和非可微目标的同时优化仍然是一个重大挑战。在本工作中，我们提出了一种基于数据驱动形态学习的 novel 框架，用于可微与非可微目标的同时拓扑优化。该框架从一组被识别为在特定功能应用中表现优异的微结构数据集中提取形状模式。为展示该方案的通用性，我们将其应用于骨组织工程支架的优化，细胞生长作为代表性功能目标。通过将所学的形态模式集成到拓扑优化过程中，该方法生成的微结构能够有效平衡机械刚性和生物学性能，例如增强细胞增殖。作为案例研究，我们展示了一个支架设计，在第 7 天提高机械刚性 29.69%，细胞生长提升 37.05%，在第 14 天提升 33.30%。该方法突显了该提议框架对于优化广泛工程挑战的通用适用性，超出细胞生长的特定案例。
引用
@article{arxiv.2410.23295,
title = {Simultaneous Topology Optimization of Differentiable and Non-Differentiable Objectives via Morphology Learning: Stiffness and Cell Growth on Scaffold},
author = {Weiming Wang and Yanhao Hou and Renbo Su and Weiguang Wang and Charlie C. L. Wang},
journal= {arXiv preprint arXiv:2410.23295},
year = {2025}
}