Credit:CC0 Public Domain最大限度地提高结构的性能和效率——从b脊到计算机组件的一切——都可以通过密歇根大学和东北大学的研究人员开发的新算法进行设计来实现。这一进步可能会使许多行业受益，在这些行业中，为了确定最佳设计，需要进行昂贵且耗时的试错测试。例如，看看美国当前的基础设施挑战——即将到来的2.5万亿美元的积压，需要用纳税人的钱来解决。
寻求设计新桥的最佳方法的规划者需要回答一系列关键问题。需要多少根柱子？那些柱子需要多大的直径？这座桥的拱的半径应该是多少？新算法可以确定以最低成本提供最高负载能力的组合。
该团队在四个优化场景中测试了他们的算法:设计结构以最大化其承受给定载荷的刚度；设计流体通道的形状以最小化压力损失；创造强化传热的形状；并且最小化用于承载的复杂桁架的材料。与传统方法相比，新算法将达到最佳解所需的计算时间减少了大约100到100，000倍。此外，它优于所有其他最先进的算法。
“这是一个有潜力影响许多行业的工具——清洁能源、航空、电动汽车、节能建筑，”U-M大学机械工程教授、该研究在《自然通讯》上的通讯作者芦伟说。
新算法在一个名为拓扑优化的空间中运行——如何在给定的空间中最好地分配材料以获得期望的结果。
有时，最佳形状可能违反直觉。左边的设计是由新算法产生的，代表了三种蜡包铜结构中最好的设计，可以从铜管中散热。中间的梯度优化设计和右边的近似设计在从管道中吸取热量时会更慢。信用:研究集团邓长宇“如果你真的想理性地设计一些东西，你说的是大量的计算，考虑到时间和成本，做这些可能会很困难，”卢说。"我们的算法可以减少计算量，简化优化过程."
散热器——将热量从计算机中央处理器传递到外部空气的部件——代表了另一种可以通过U-M算法优化的形状。传统的散热器被设计成沿着表面具有多个平行的散热片。拓扑优化表明，当这些鳍的形状像树时，可以实现更有效的传热。
“考虑到最佳形状，工程师们在冷却速度和制造成本之间找到了一个很好的平衡点，”机械工程系U-M研究生助理邓长宇说。
新算法使用所谓的“非传统”优化方法，这是一种解决优化问题的先进方法。优化可以想象成把一个设计中的所有变量变成一个多山的景观，其中最好的设计在最低的谷底。基于梯度的优化向下滑动，直到到达一个山谷——虽然简单快速，但不一定能找到最低的山谷。
非传统方法从一座山跳到另一座山，提供了更好的地形感。虽然功能多样，但它们占用大量计算资源，需要加速才能应用。新算法首先通过机器学习来逼近系统，然后使用自导向学习方案从一座山跳到另一座山，寻找最低的山谷。
“这项研究可以极大地加速拓扑优化的非梯度优化器，使非梯度方法变得可行。通过这种方式，可以解决更复杂的问题。
除了基础设施和成本问题，该算法还可以用于任何以性能最大化为目标的形状优化项目。未来的应用包括优化电池电极形态、车辆框架和外壳、建筑物结构，甚至拓扑优化之外更复杂的优化问题。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
