中科大實現多尺度結構逆向設計128倍加速，登上Nature子刊

近日，中國科學技術大學（USTC）聯合新疆師范大學、中關村人工智能研究院、香港理工大學，在數據驅動的多功能雙連通多尺度結構逆向設計領域取得重要突破。相關成果于 2026 年 1 月 8 日以“Data-driven Inverse Design of Multifunctional Bicontinuous Multiscale Structures”為題，發表于 Nature 旗下頂級綜合期刊Nature Communications。

該研究首次系統性解決了雙連通多尺度結構長期存在的“難描述、難設計、難制造”核心瓶頸，為骨植入物、滲透器件、力學隱身結構等復雜工程系統的智能化設計提供了全新的數據驅動范式。

• 論文鏈接：https://www.nature.com/articles/s41467-025-68089-2
• 數據鏈接：https://drive.google.com/drive/folders/1VnNVyjxKFQPCH_YchG52gRw1zEXKMr2J
• 開源鏈接：https://github.com/llwang91/L-BOM/

向自然學習：破解雙連通多尺度結構設計的關鍵難題

在自然界中，雙連通多尺度結構并不罕見。以松質骨為例，其內部由固體相與孔隙 / 流體相相互貫通，形成高度互聯的三維網絡，使結構在保持輕量化的同時兼具優異的力學性能與滲透能力。然而，在工程設計中復現這類 “自然結構” 并不容易：一方面，缺乏可解析的數學模型，使得傳統建模與逆向設計方法難以直接應用；另一方面，多尺度三維結構的聯合優化計算量隨規模呈指數級增長，連通性難以統一約束，成為制約工程應用的核心難題。

圖 1 數據驅動的多功能雙連通多尺度結構設計的動機、挑戰與工作流程。a 松質骨；b 雙連通開孔結構；c 邊界連接性；d 通過拓撲優化（Opt.）與主動學習（AL）構建的 L-BOM 數據集，其邊界 / 掩膜為相同的 “X” 形，右側為松質骨的多尺度逆向 設計過程。

關鍵突破：一個簡單而深刻的結構原理

針對上述難題，研究團隊提出了一個簡單卻具有高度普適性的核心原理：只要多尺度結構中每一個微結構單元同時具備雙連通性、開孔特征，并共享完全一致的邊界條件，無論其如何組合，整體結構都能夠天然保持雙連通性。基于這一原理，團隊首次構建了大規模三維數據集L-BOM（Large-range, Boundary-identical, Bicontinuous Open-cell Microstructure）。在統一邊界條件約束下，L-BOM 數據集不僅實現了雙連通微結構的無縫拼接，還覆蓋了跨數量級的性能空間，并天然滿足制造與結構連接約束，從而從根本上繞開了對解析建模的依賴，為多尺度結構的高效逆向設計奠定了堅實的數據基礎。

圖 2 在四種不同邊界（Mask 1–4）條件下的 L-BOM 數據集示意圖。 a–c 為第一種邊界條件（Mask 1）的構建流程： a 基于 Mask 1 通過優化生成的初始數據集（21,620 個微結構）； b 主動學習（AL）框架； c 經過主動學習后的掩膜 1 最終數據集（106,445 個微結構）。 d–f 為其余三種邊界（Mask 2–4）的初始與最終 L-BOM 數據集。 藍色箭頭表示多輪主動學習過程。

多尺度逆向設計閉環：效率提升 128 倍

在多尺度逆向設計閉環中，研究團隊以股骨植入物為代表性案例，采用 “自上而下” 的多尺度逆向設計流程，實現了結構性能與生物特征的高度協同匹配。設計結果在多個關鍵指標上與天然骨組織高度一致：在楊氏模量、孔徑和孔隙率等參數上實現精準匹配，并在剛度、滲透性與輕量化之間取得了更優平衡；在結構形態上，自然形成兼具致密骨板狀特征與松質骨桁架狀特征的多尺度復合結構。

與 IWP、BCC 桁架及旋節線等經典結構設計方法相比，該方法無需后期插值或額外拼接處理，整體計算效率顯著提升，且所生成結構在形態與層級特征上更接近真實骨組織，體現出顯著的設計優勢。

圖 3 致密骨與松質骨植入物的多尺度設計。a 初始配置及優化結果；b 多尺度結構的匹配、組裝與求交過程；c 本研究結果（I）與三種典型結構：IWP（II）、BCC truss（III）以及旋節線結構（IV）的對比；d 展示了本研究的優化結果與 IWP、BCC truss、旋節線結構在松質骨設計中的計算時間（T/s）、楊氏模量（E/MPa）及平均孔徑（APS/μm）的比較。

特別是在力學隱身斗篷等大規模、高復雜度任務中，該多尺度逆向設計閉環將原本 10 小時以上的計算時間壓縮至不足 5 分鐘，實現了 128 倍的效率提升。更重要的是，隨著結構分辨率和問題規模的持續增大，這一效率優勢不僅沒有衰減，反而進一步放大，展現出優異的可擴展性與規模化潛力。

圖 4 機械斗篷（20 × 20 × 20 單元）逆向設計結果。右側展示了優化過程的迭代曲線，以及用于填充隱身體的微結構的性能分布。

128 倍并非終點，而是多尺度結構設計走向規模化應用的起點。

可調滲透結構：從仿真到實驗高度一致

研究團隊還設計并制造了4×4×1 雙連通多尺度過濾結構，并對其流體性能進行了系統驗證。結果表明，基于 L-BOM 數據集構建的結構在滲透率和比表面積（S/V）等關鍵指標上顯著優于傳統 TPMS 結構（如 Gyroid、Diamond 和 IWP）。同時，數值計算、仿真分析與實驗測量結果高度一致，在高孔隙率樣品中，實測流速與數值預測幾乎完全重合，驗證了該方法在保持整體雙連通性的同時，能夠實現對流體通道結構的精確調控，顯示出在過濾與流體調控器件中的應用潛力。

圖 5 過濾裝置的多尺度結構設計。a 過濾裝置的初始設置（4×4×1 個單元）；b 比較了 Mask 2 數據集中的微結構與三種 TPMS 結構（Gyroid、Diamond 和 IWP）在孔隙率 (1?V)、比表面積 (S/V) 和滲透率方面的差異；d 在孔隙率為 0.8 的條件下，對比了所設計結構與 Gyroid、Diamond 和 IWP 結構的性能，并展示了各自的流體仿真結果；e 對六種結構（IWP、Diamond、Gyroid 以及優化后的多尺度設計 M16、M19、M20）進行了滲透率實驗驗證。

研究意義：為 AI 設計復雜結構打開新范式

該研究提出了雙連通多尺度結構的可組合設計原理，首次構建了覆蓋大范圍性能空間、具備統一邊界條件且可實現無縫拼接的四個三維雙連通開孔結構數據集，并將生成式人工智能方法真正引入到具備工程可制造性的結構逆向設計中。同時，研究在力學與流體等多個物理場景下完成了數值計算與實驗測量的雙重驗證。基于上述方法，可廣泛應用于定制化骨植入物、力學隱身與超材料、滲透與過濾器件以及多物理場協同結構設計等領域，為多功能結構材料的智能逆向設計奠定了重要的技術基礎。

中科大計算幾何小組研究團隊負責人表示：“作為長期深耕計算幾何與計算機圖形學的研究團隊，我們將繼續探索基礎理論、核心算法與前沿應用的交叉融合，推動幾何計算方法在復雜形狀建模、仿真分析與智能設計等方向的持續突破。面向未來，團隊將持續深入超材料這一前沿探索領域，圍繞多尺度結構表征、性能預測與可制造約束下的智能優化等關鍵問題開展系統研究，形成可復用的設計理論與工具鏈。與此同時，我們也將積極推動相關成果在先進制造、航空航天、機器人與能源等場景落地，加速從算法創新到工程應用的轉化，為產業升級與社會發展創造更大價值。”