MIT 研究团队开发 AI copilot，让工程师参与拓扑优化设计过程

MIT News·2026-11-13 13:00· 35 分钟前AI 评分42

新型 AI“copilot”帮助工程师设计更好的结构

AI 导读

MIT 研究人员开发了一套类似 AI copilot 的拓扑优化协作系统，在算法生成结构的过程中把区域提交给设计师反馈，相比全算法方法仅增加 15 秒设计时间，却使线性屈曲载荷提升 39%。该系统用机器学习从合成的人类反馈数据集中识别设计师最可能想修改的区域，目前仅支持对指定区域加厚或减薄。

正文 · 原文

使用算法设计结构，已经催生出为超轻型飞机、高带宽天线和 F1 赛车优化的新部件。

但最好的算法设计技术仍然需要大量计算和时间：用户只有在设计完成后才能看到最终设计，之后他们往往必须从头开始整个设计过程才能做出修改。这一过程也让人更难相信最终设计在结构上是可靠的。

MIT 研究人员正在让算法设计更具协作性，他们开发了一套像 AI copilot 一样行事的系统。当算法生成结构时，它会将区域呈现给人类设计师以获取反馈。

在一篇描述该系统的开放获取《Communications Engineering》论文中，研究人员展示，与全算法方法相比，该方法在总设计时间仅增加 15 秒的情况下，得到了更易于制造、屈曲载荷更高的结构。

研究人员认为，这种采用名为拓扑优化的设计技术的方法，可以让更广泛的设计工程师群体更容易使用算法设计，并使其更具可制造性。

“目前，在设计过程展开时，人类没有任何能动性或控制权，”第一作者、26 届博士 Dat Ha 解释道。他最近刚从 MIT 土木与环境工程专业博士毕业，现在是 LeMessurier 的结构设计师。“对于这些非常复杂的设计，我们也想利用我们的大脑——这是世界上最复杂的机器——以更符合行业实际的方式解决这些设计问题。”

与 Ha 共同撰写论文的还有：前 MIT 博士后、现佐治亚理工学院助理教授 Ferdous Alam；MIT Jerry McAfee（1940）工程学教授 Markus Buehler；MIT 机械工程副教授 Faez Ahmed；以及资深作者、MIT 土木与环境工程副教授 Josephine Carstensen。

将人类引入循环

拓扑优化是最先进、最有前景的算法设计技术之一。它使用形式化优化技术，以最大限度实现既定目标的方式，迭代填充为设计给定的空间。对于大多数应用，该过程需要大量计算和时间。当它最终完成时，设计可能难以建造，或者存在工程师未曾考虑的其他问题。例如，一些设计可能在单个点上有八个或更多梁连接，这在现实世界中很难制造。

“工程师总是对计算机程序非常怀疑，尤其是当它们给出非常奇怪或出乎意料的设计时，”Ha 说。“从纸面上看，拓扑优化非常强大，可以实现出色的高性能设计，但其黑箱性质使其在工业界采用得较少。”

拓扑优化已在汽车和航空航天行业获得关注，但在设计建筑或桥梁方面使用较少，部分原因是设计工程师需要知道自己可以信任输出结果。

“一个很大的限制因素在于，设计工程师对设计如何演变的影响力非常小，因此无法控制不理想的特性，”Carstensen 解释道。“这种控制权和归属感的缺失也阻碍了它的使用。”

为了解决这些问题，研究人员让拓扑优化变得更加协作化，Carstensen 将这种方法比作拥有一个设计副驾驶。

此前加入人类判断的尝试会大幅拖慢进度。研究人员的新系统利用机器学习，快速识别出算法设计中人类最有可能想要更改的区域。为了训练这个机器学习模型，研究人员创建了一个合成数据集，其中包含针对数千个设计的可能人类反馈，这些反馈对美学、性能标准和可制造性等方面提出了批评。

“我们想，如果我们能记录下人类在哪些地方对这些程序做过修改，那么也许这些选择中存在某种模式，这与其他类型的机器学习方法并没有太大不同，”Ha 说。

Carstensen 认为该系统汇集了算法设计和人类设计方法的最佳之处。

“其理念是挖掘设计师的大脑，让他们在设计演变过程中注入自己的领域知识，”Carstensen 说。

在演示中，研究人员展示了他们的人在回路方法将可制造性和线性屈曲载荷提高了 39%，而总设计时间仅略有增加。

目前，该方法只允许用户在识别出的区域内将结构加厚或减薄，但他们希望在未来的版本中加入其他修改选项。

“希望通过解决这些障碍，我们能让拓扑优化面向更广泛的受众，不仅是工业界，也包括学术界的研究人员和学生，”Carstensen 说。

从设计到结构

研究人员认为他们的方法是对纯 AI 设计方法的补充。

“我们认为两者都有空间，”Carstensen 说。“如果你所在的学科拥有大量计算资源，你可以使用另一种方法。但如果你确实需要人类的输入，你可以使用这种协作方法。”

加入人类输入也有助于增加信任。

“在某些场景下，人类需要在推进最终设计之前做出最终决定，”Carstensen 说。“通过让人类参与，我们可以将更高性能的设计推向现实世界，创造出更高性能的结构。因为这不仅仅是设计出好的作品；而是创造出人类真正会接受并制造的好作品。”

这项工作部分得到了 MathWorks 工程奖学金基金、TATA Steel 和 MIT 生成式 AI 影响联盟的支持。

来源：MIT News · news.mit.edu