在架构超材料中，其功能源自结构，拓扑设计为编程物理响应提供了广阔的机会。然而，现有的设计方法通常针对个别设计问题，未能有效利用拓扑知识，以适应不断变化的目标、约束和物理功能。为此，我们提出了生成拓扑优化（GenTO）框架，将学习到的拓扑先验转化为可重用的设计引擎。
GenTO 在一个大型全阶拓扑数据集上训练扩散模型，然后通过用户定义的物理目标和约束，迭代地引导生成的拓扑分布朝向任务特定的高性能区域。这一过程将优化对象从单一结构转变为任务适应的拓扑分布。
在涵盖热极化、多目标形态控制、特性目标的 auxetic 设计和振动传输设计等拓扑设计问题中，GenTO 重新利用预训练的拓扑先验以应对不同任务，保持结构多样性，并通过数值基准和实验验证达到高性能解决方案。这些结果确立了可重用的拓扑知识作为有效且可扩展的架构超材料设计的统一原则。
博主点评： 生成拓扑优化技术通过将学习到的拓扑知识应用于不同任务，展现了架构超材料设计的巨大潜力。这一框架不仅提高了设计的灵活性，也为多样化的物理需求提供了有效的解决方案，意味着未来的材料设计将更加智能化和高效化。