研究背景：非均匀桁架点阵结构的设计难题
在航空航天、交通运输、生物医疗等领域，对轻质高强材料的需求日益迫切。三维点阵结构（如桁架晶格）因其轻巧、高强的力学性能，被视为新一代轻巧-承力多功能一体化超结构的理想载体。然而，传统设计多依赖周期性重复的均匀构型，性能提升空间有限。大量研究表明，空间非均匀的混合点阵结构在比强度、能量吸收等方面显著优于均匀构型，但其设计面临“维度灾难”——当单元类型、空间排布自由组合时，可能构型数以百万计，传统试错法和拓扑优化难以处理强非线性变形下的性能预测与逆向求解。近年来，机器学习虽被引入，但通常需要专业编程技能，且对非线性大变形问题的映射精度不足。如何让结构工程师无需深厚AI背景便能高效设计出超越已知极限的构型，成为亟待突破的瓶颈。
方法创新：从生物基因到“结构基因”，大语言模型跨界赋能
受人类基因组计划启发，团队提出一种“结构基因重组 +大语言模型”的新型设计范式，以传统桁架点阵结构为例进行说明。将生物学中“碱基对—基因—染色体”的层级逻辑映射到结构设计中：以三种基础单胞（简单立方SC、体心立方BCC、面心立方FCC）作为“结构碱基对”，通过组合生成7种“结构基因”（包含SC+BCC等混合单胞），再将这些基因排列于2×2×2的“结构染色体”中，并经中心对称扩展为4×4×4完整点阵——每个构型被赋予8位数字的结构ID，由此构建了极大的设计空间。
图1 基于结构基因重组的桁架点阵结构设计示意图
为了打破传统机器学习方法在编程技能上的高门槛，团队利用高通量有限元仿真构建数据集，生成2500条应力-应变曲线（经数据增强至5000条），并以此对两种开源大语言模型（LLaMA3-1B和DeepSeek-R1-1.5B）进行针对性微调。其中，LLaMA3用于正向预测（输入结构ID，输出应力-应变曲线），DeepSeek-R1则实现逆向设计（输入目标应力-应变曲线，输出最优结构ID）。在微调完成后，用户只需用自然语言提问，模型数秒内即可给出答案，能够极大降低使用AI的门槛。
图2 桁架点阵结构高通量有限元分析的工作流程
图3 面向正向预测与逆向设计的LLM微调及交互式工作流程
团队进一步设计了启发式搜索优化循环：以数据库中均匀结构的最优比强度和比吸能为起点，每次将目标提升2%，驱动逆向模型生成新ID，再经有限元验证，迭代直至性能收敛。
图4 针对提高比强度和吸能率的桁架点阵结构的启发式优化工作流程
设计结果：超越数据库极限，得到优化的非均匀构型
经过多轮启发式优化，模型生成了一个全新的非均匀结构（ID: 75567665）。对比测试表明，该设计的比强度与数据库中最优均匀结构持平，但比吸能（SEA）显著高于所有7种由单个结构基因组成的均匀构型，综合力学性能在雷达图中形成明显包络。有限元验证显示，新结构在应变0.1~0.2时，通过在中部区域引入低连通性的结构基因5/6单元，使载荷路径更为清晰，斜杆承担压缩而非仅垂直柱承载，有效缓解了应力集中，从而提升比强度；在0.3~0.55应变阶段，中部形成对称且集中的主吸能区，几乎全部杆件进入屈服。而均匀结构在此阶段仍有大量杆件处于弹性（未参与吸能），与均匀结构中能量吸收能最强的由结构基因7组成的桁架点阵结构相比，其能量吸收效率从0.33提升至0.36（提高约9.1%）。
图5 非均匀设计结果与均匀桁架点阵结构对比
该成果验证了“结构基因重组+ LLM”框架的强大能力：正向预测R²达0.97、逆向设计R²达0.94，按需设计案例的误差（NRMSE）仅1.1%~1.4%。更重要的是，该框架首次实现在非线性大变形条件下高效搜索出超越数据库性能极限的构型，为轻质高强点阵结构的智能化、定制化设计开辟了全新路径。研究团队指出，当前方法虽基于中心对称简化，但框架本身具有通用性，未来可拓展至非对称构型、多材料复合及多功能一体化设计，有望成为新一代机械超材料设计的通用方法。
论文第一作者为南京航空航天大学航空学院博士生曹思洋，卢天健教授和孟晗教授为共同通讯作者。该研究成果得到国家自然科学基金的资助。
原文链接
https://doi.org/10.1016/j.ijmecsci.2026.112035
