基于深度学习的多材料拓扑最优结构预测方法

本发明公开了一种基于深度学习的多材料拓扑最优结构预测方法，包括：构建多材料拓扑优化的训练数据集，数据集包括设计约束条件和对应的多材料分布标签，其中设计约束条件至少包含边界条件、载荷分布及材料体积分数约束；对设计约束条件进行数据编码，生成适配深度学习模型输入的规范化数据；基于深度学习模型建立设计约束条件与多材料分布之间的映射关系，模型通过多尺度特征融合学习拓扑优化规律；训练深度学习模型，采用多任务损失函数联合优化预测结果的物理性能误差与材料分类精度；将目标设计约束输入训练后的模型，直接输出满足体积约束和力学性能的多材料拓扑分布。该方法显著降低了对高性能计算资源的依赖，高效快捷。