研究突破概述 - 中国科学技术大学联合多家机构在数据驱动的多功能双连通多尺度结构逆向设计领域取得重要突破，相关成果发表于《自然·通讯》[2] - 该研究系统性解决了双连通多尺度结构“难描述、难设计、难制造”的核心瓶颈，为骨植入物、渗透器件、力学隐身结构等复杂工程系统的智能化设计提供了全新数据驱动范式[2] 研究背景与挑战 - 自然界中双连通多尺度结构（如松质骨）兼具轻量化、优异力学性能与渗透能力，但在工程设计中复现困难[6] - 挑战在于缺乏可解析数学模型，且多尺度三维结构联合优化计算量随规模呈指数级增长，连通性难以统一约束[6] 核心设计原理 - 研究团队提出一个普适性核心原理：只要每个微结构单元同时具备双连通性、开孔特征并共享完全一致的边界条件，无论其如何组合，整体结构都能天然保持双连通性[10] - 基于此原理，团队首次构建了大规模三维数据集L-BOM，在统一边界条件约束下实现了双连通微结构的无缝拼接，覆盖跨数量级性能空间，并天然满足制造与结构连接约束[10] 多尺度逆向设计流程与效率 - 研究团队以股骨植入物为案例，采用“自上而下”的多尺度逆向设计流程，实现了结构性能与生物特征的高度协同匹配[12] - 设计结果在杨氏模量、孔径和孔隙率等参数上与天然骨组织高度一致，并在刚度、渗透性与轻量化之间取得更优平衡[12] - 与IWP、BCC桁架及旋节线等经典方法相比，该方法无需后期插值或额外拼接处理，整体计算效率显著提升[12] - 在力学隐身斗篷等大规模高复杂度任务中，该设计闭环将原本10小时以上的计算时间压缩至不足5分钟，实现了128倍的效率提升，且效率优势随问题规模增大而进一步放大[15] 实验验证与应用潜力 - 团队设计并制造了4×4×1双连通多尺度过滤结构，系统验证表明，基于L-BOM数据集构建的结构在渗透率和比表面积等关键指标上显著优于传统TPMS结构（如Gyroid、Diamond和IWP）[19] - 数值计算、仿真分析与实验测量结果高度一致，在高孔隙率样品中实测流速与数值预测几乎完全重合，验证了对流体通道结构的精确调控能力[19] - 该方法可广泛应用于定制化骨植入物、力学隐身与超材料、渗透与过滤器件以及多物理场协同结构设计等领域[23] 数据集与性能对比 - 研究构建了四个三维双连通开孔结构数据集，例如在第一种边界条件下，通过主动学习将初始数据集从21,620个微结构扩展至106,445个微结构[13] - 在松质骨设计中，本研究的优化结果在计算时间、杨氏模量及平均孔径等指标上，与IWP、BCC桁架、旋节线结构进行了对比[14] - 在孔隙率为0.8的条件下，所设计结构在比表面积和渗透率方面优于Gyroid、Diamond和IWP结构，并进行了六种结构的渗透率实验验证[22]