Диффузия вместо ручной настройки: GenTO переиспользует топологии для метаматериалов

Традиционный топологический оптимизатор решает одну задачу за раз: задал условия, дождался сходимости, получил одну структуру. Поменяли целевую функцию — запускай заново. Коллектив авторов arXiv-препринта предлагает GenTO — фреймворк, который превращает выученное распределение топологий в переиспользуемый движок проектирования.

Ядро метода — диффузионная модель, обученная на полномасштабном датасете топологий. На этапе адаптации GenTO итеративно смещает это распределение в сторону областей, удовлетворяющих конкретным физическим целям и ограничениям. Ключевой концептуальный сдвиг: оптимизируется не отдельная структура, а распределение топологий под конкретную задачу.

Авторы проверили подход на четырёх классах задач: экстремизация теплопередачи, многокритериальный контроль морфологии, расчёт ауксетических структур с заданными свойствами и проектирование под вибропередачу. Во всех случаях GenTO использует один и тот же предобученный приор и сохраняет структурное разнообразие решений.

Что важно с практической точки зрения: фреймворк переиспользует базовые знания о топологиях для гетерогенных задач, а не учится с нуля под каждый новый запрос. Результаты подкреплены численными бенчмарками и экспериментальной валидацией, а не только симуляциями.

Главный вопрос, который остаётся открытым: насколько GenTO масштабируется за пределы исследовательских задач и какова цена предобучения диффузионной модели на full-order данных. Если эта цена окупается переиспользованием — подход имеет шанс стать стандартом для проектирования архитектированных метаматериалов.

Источник: cs.AI updates on arXiv.org