所键即所得：扩散模型加持的多目标数字材料定制设计

本文介绍了加州大学伯克利分校与普渡大学研究团队利用条件去噪扩散概率模型（cDDPM）进行多目标数字材料定制设计的研究。背景是随着3D打印等增材制造技术的发展，材料设计已经从宏观造型走向像素级排布，形成数字材料。然而，传统方法在多目标性能设计时面临搜索空间大、结果不稳定的问题。研究目的是开发一种高效、稳定的多目标数字材料定制方法。研究团队以微机械盘状谐振器为例，利用29,430组有限元模拟数据训练模型，实现了对四种振动模态共振频率的同步定制，整体预测精度超过95%，单目标定制精度甚至达到99%。结论表明，该方法不仅精度高于传统条件生成对抗网络（cGAN），还避免了模式崩溃问题，展现出强大的鲁棒性，为复杂数字材料设计提供了高效且稳健的解决方案。