Npj Comput. Mater. : 所键即所得？文生图模型加持下的多目标数字材料定制设计

主要观点总结

海归学者发起的公益学术平台分享了关于数字材料的多目标定制设计的研究。该研究探索了使用微机械盘状谐振器进行多频率定制设计的新途径，并介绍了加州大学伯克利分校与普渡大学联合团队首次将无分类器条件去噪扩散概率模型（cDDPM）应用于多目标数字材料设计。该模型能够从随机噪声中生成满足条件的结构布局，对盘状谐振器的不同振动模态共振频率进行同步定制训练，预测精度超过95%。这种方法具有极高的鲁棒性，并可应用于其他多性能约束的数字材料设计场景。

关键观点总结

关键观点1: 数字材料的多目标定制设计

研究介绍了数字材料的多目标定制设计的重要性及其挑战，包括在庞大的设计空间中同时满足多个性能指标的难题。

关键观点2: 微机械盘状谐振器的多频率定制设计

研究以微机械盘状谐振器为例，探索了多目标数字材料设计的新途径，介绍了其结构特点和性能要求。

关键观点3: 无分类器条件去噪扩散概率模型（cDDPM）的应用

研究团队首次将cDDPM模型应用于多目标数字材料设计，该模型能够从随机噪声中生成满足条件的结构布局，对盘状谐振器的不同振动模态共振频率进行同步定制训练，预测精度超过95%。

关键观点4: cDDPM模型的优点

cDDPM模型展现出极高的鲁棒性，能够应对不切实际的目标参数，并在生成多样化设计的同时保持高精度。与传统cGAN相比，cDDPM有效避免了模式崩溃问题。

关键观点5: 研究的成果和展望

该研究不仅成功应用于微谐振器的设计，还可扩展到其他多性能约束的数字材料设计场景。该成果展示了生成式AI跨界赋能工程设计的巨大潜力。