近日，我院智能网格与工业软件实验室在智能计算与先进结构设计交叉领域取得重要进展，发表多孔结构智能优化重要成果，以《RBF-PoroNet: A Differentiable Implicit Framework for Automated Optimization of Porous Structures via a Self-Adaptive RBF Neural Network》为题发表于增材制造领域国际顶级期刊Additive Manufacturing。Additive Manufacturing为增材制造领域国际公认顶级期刊（TOP 期刊，SCI 一区，JCR Q1，IF 11.1）。

本研究由我院智能网格与工业软件实验室团队共同完成。论文作者：杜昊（博士研究生）、王胜法（导师）、杜亮、姜钰、胡江北（通讯作者）、罗钟铉、雷娜。

（图1.论文期刊页）

该研究提出RBF-PoroNet可微隐式优化框架，基于自适应径向基函数神经网络（SA-RBFNN），实现了面向TPMS多孔结构的全自动、多物理场、高精度拓扑与几何协同优化。针对传统方法依赖人工灵敏度推导、局部控制能力不足以及多物理场适配性差等问题，研究团队开展系统创新：一是构建自适应RBF神经网络，实现核中心、影响半径及权重的联合优化；二是提出剪枝-播种机制，动态优化神经元分布，显著提升模型表达能力与收敛效率；三是建立全流程可微优化体系，利用自动微分替代传统灵敏度分析方法，实现多物理场统一优化；四是设计两阶段优化与热启动策略，在结构刚度、散热性能及强度控制等方面取得优于现有方法的效果。实验结果优于传统拓扑优化方法及主流商业软件nTopology。

（图2.基于TPMS的轻量化结构设计）

该研究将自适应RBF神经网络与隐式建模方法相结合，构建了多孔结构智能优化新范式，为多物理场复杂结构设计提供了统一、高效的解决思路。研究成果有助于推动增材制造与拓扑优化由传统经验驱动向智能化、自动化设计转型。成果可广泛应用于增材制造结构设计、热管理系统及轻量化工程结构等领域，对提升复杂结构设计的自动化水平与综合性能具有重要意义。

该成果是我校在“人工智能+增材制造”交叉方向的重要进展，体现了在智能结构优化与先进制造技术领域的持续创新能力，为高端装备轻量化与复杂结构设计提供了有力支撑。下一步，学院将继续锚定“优势引领、多学科协同、跨域融合”的学科交叉创新生态建设，不断产出高水平科研成果，着力提升原始创新能力与核心竞争力，为服务制造强国战略、支撑高端装备自主可控与产业高质量发展作出更大贡献。

论文链接：https://www.sciencedirect.com/science/article/pii/S2214860426001181