标签
提出SNTO框架，将状态、伴随和设计变量用神经网络联合表示并优化，结合多GPU硬件感知训练，实现可扩展的应力约束拓扑优化，可处理高达八百万配置点的三维大规模问题。
一项评估通用AI模型（以GPT-6 Astra为案例）在工程CAD任务中能力的研究，涵盖CAD理解、生成、编辑与评估。研究发现通用AI模型开始在工程设计中展现实用价值，但在几何有效性、装配可行性与参数化可编辑性等工程可靠性方面仍存在重大挑战。
RAC 提出了一种与执行框架无关的“关系型智能体合约”，让智能体只声明语义关系、由专用工具推导具体实现，并在 PCB 设计、作业车间调度和嵌入式代码任务上显著提升了约束满足率（如 PCB 平均 90.9% 对比 74.0%）。
本文提出了一种新框架，将冻结的文生图扩散模型作为无训练先验集成到拓扑优化中，使工程师能够通过自然语言提示表达设计意图，并在结构设计中实现显著的柔度降低。
PhysicsBench引入了一个统一的基准测试和排行榜，以标准化工程设计和仿真中生成式与预测AI模型的评估，涵盖多种任务和数据规模。
MIT等机构的研究人员开发了GIFT系统，该系统教导视觉-语言模型自动将2D设计转换为精确的CAD程序，用于快速原型制作，通过使用模型生成的数据来纠正错误，并以更少的计算量提升性能。
本文提出了一种设计自动化（AiD）方法，利用计算设计综合与深度学习及生成式AI，自动创建新颖的高科技系统，并通过两个案例研究（电驱动系统和空间尺寸问题）进行了演示。
BIM-Edit是一个基准测试，用于评估大语言模型在IFC格式下对建筑信息模型（BIM）进行自然语言编辑的能力。结果显示存在显著差距，最佳模型在几何、语义和拓扑指标上的平均得分仅为49.5%。
本文提出了eCNNTO，一种带有残差连接的卷积神经网络，通过从早期迭代历史中预测接近最优的密度来加速基于密度的拓扑优化，实现了最多97%的迭代次数减少，并在不同边界条件、几何形状和网格分辨率下展现出强大的泛化能力。
EngiAI 提出了一个用于LLM驱动工程设计的 多智能体框架和基准套件，评估工作流、RAG和HPC维度。专有模型在Beams2D上达到96-97%的任务完成率，而条件分支仍具挑战，在Photonics2D上为20-53%。