基于 TabPFN 的零样态参数化工程设计生成

工程设计中的深度生成模型通常需要巨大的计算成本、大量训练数据，以及在设计要求或数据变化时进行大量重新训练，限制了其在实际工程设计工作流程中的适用性。本文提出一种基于 TabPFN 的零样态参数化工程设计生成框架，使其能够仅通过有限的参考样本即可实现条件性设计生成，且无需任何任务特定的模型训练或微调。该方法按序数生成设计参数，基于目标性能指标进行条件化，为传统生成模型提供了一种灵活的替代方案。通过在三个工程设计数据集上进行评估，即船体设计、BlendedNet 飞机和 UIUC 空气动力学剖面，验证了所提出方法的有效性。实验结果表明，该方法在高度结构化的参数化设计空间中实现了具竞争力的多样性，对几何生成的抽样、分辨率和参数维度变化具有良好的鲁棒性，并在生成船体设计的性能方面实现了较低的性能误差（例如小于 2%）。与扩散生成模型相比，该框架显著降低了计算开销和数据需求，同时保持了可靠的生成性能。这些结果凸显了零样态、数据高效生成作为一种实用且高效的工程设计工具的潜力，使其能够快速部署、灵活适应新的设计设置，并轻松集成到实际的工程工作流程中。