TOBACO：通过带限坐标网络实现成分梯度合金的拓扑优化

成分梯度合金（CGA）通过实现成分的空间变化，为局部载荷条件定制材料属性，提供了前所未有的设计灵活性。这种灵活性使得部件比传统的单一材料部件更坚固、更轻、更具成本效益。由于增材制造（AM）的最新进展，特别是在多材料打印和材料沉积精度提高方面，CGA 的制造已变得越来越可行。然而，CGA 的增材制造需要施加制造约束，特别是对成分最大空间梯度的限制。本文介绍了一个基于拓扑优化（TO）的框架，用于设计具有受控成分梯度的优化 CGA 部件。具体来说，我们使用一个带限坐标神经网络来表示受约束的成分分布。通过调节网络的带宽，我们确保隐式地遵守梯度限制，从而无需显式约束。所提出的方法还受益于使用坐标网络进行拓扑优化的固有优势，包括网格无关性、高分辨率设计提取和端到端可微性。通过各种弹性和热弹性 TO 示例，我们展示了该框架的有效性。