2024年10月，由Elsevier主办的权威外文T1级学术期刊《Engineering Applications of Artificial Intelligence》、《Journal of Computational Physics》先后刊发了我院周思柱教授团队关于结构拓扑优化的最新研究成果，我院博士研究生高英宁为论文第一作者，周思柱教授为论文的通讯作者。

拓扑优化是一种用于优化材料分布、提升结构性能的设计方法，广泛应用于航空和石油设备等领域。传统方法计算量大、耗时长，难以满足复杂结构的实时需求。为解决这一问题，该研究提出了两种基于生成对抗网络的方法：改进的扩散生成对抗网络和多尺度梯度生成对抗网络。通过特征压缩、轻量级残差模块、混合注意力机制及多维融合损失函数，这两种方法显著提升了计算效率和生成质量。扩散生成对抗网络利用高斯噪声扩散增强泛化能力，多尺度梯度生成对抗网络精确提取显著特征，并通过低分辨率到高分辨率的参数迁移实现了高质量训练。实验表明，相较传统方法，这些方法大幅提升了生成效率，有助于实现实时优化，提供更高效的工程解决方案。

论文链接

https://doi.org/10.1016/j.engappai.2024.109444

https://doi.org/10.1016/j.jcp.2024.113506