我们的研究通过将压铸和注塑成型相关的约束条件与 2D 深度图像的利用相结合，引入了一个创新的框架来解决 Generative Design 在制造可行性方面面临的挑战，并通过采用先进的 2D 生成模型进一步增强了这种方法，通过将实际制造考虑因素整合到 Generative Design 中，为广泛行业采用提供了有用且有潜力的解决方案。

Mar, 2024

该综述评估了使用深度生成模型（DGM）生成三维物体的最新方法，重点关注于建筑形式的虚拟环境中生成建筑的可能性，从离散光子生成、2D 图像生成 3D 模型到条件参数生成等等，同时指出了生成 3D 形状和参数化控制中未被探索的问题，其中数据限制、可编辑性、评估指标和人机交互四个研究方向对于计算机辅助设计中的充分互动至关重要。

Apr, 2023

该论文提出了一个用于生成结构组件设计的框架，利用潜在扩散模型生成满足一系列问题特定加载条件的潜在设计，从而具有编辑现有设计的优势。通过使用结构拓扑优化得到的几何数据集进行训练，我们的框架生成了近乎最优的设计，并提供了定量结果支持生成设计的结构性能和潜在候选设计的变化性，以及框架的可扩展性的证据。此框架可用作生成类似拓扑优化设计的新近乎最优设计的起点。

Sep, 2023

本文介绍了应用变分自动编码器来同时优化异步机和永磁同步机，利用深度神经网络和解码器作为元模型来预测全局关键绩效指标并在优化循环中通过统一的潜空间生成相关的新设计。数值结果证明了高维设计空间中并行的多目标技术优化。同时，与基于经典深度学习的直接方法相比，基于 VAE 的方法在 KPI 预测方面具有量化优势。

Jun, 2023

本文概述了 3D 生成方法和 3D 感知图像合成的算法和表示方法的发展，并探讨了面临的困难和挑战。

Oct, 2022

通过将建筑信息模型 (BIM) 与生成式人工智能结合，本研究提出了一种智能结构设计流程，引入了扩散模型 (DMs) 等新技术，以替代当前存在的一些限制，并展示了 Diffusion Models (DMs) 在土木工程中具有强大的生成和表示能力，表明其有潜力取代 GANs 成为生成问题的新标杆。

Nov, 2023

该论文提出了一种名为 Vaegan 的新方法，利用生成式机器学习生成足够强大以支持复杂系统级高级综合设计空间探索实验的合成数据，该方法使用变分自动编码器（VAE）和生成对抗网络（GAN）来进行任务，并使用先进的数据集和度量标准对方法进行评估，与之前的工作进行比较，表明 Vaegan 可以有效生成与真实数据分布接近的合成高级综合设计空间数据。

Apr, 2024

提出了一种可视化框架，用于可视化深度图形生成模型的编码和解码过程中生成的分子，并提供实时分子优化功能，这完善了黑盒子人工智能驱动的药物发现模型的可解释性。

Jul, 2020

本研究旨在通过多领域知识的传递，提出 LLM2FEA 作为首次尝试，以发现生成模型中的创新设计。实验结果在 3D 空气动力学设计方面验证了 LLM2FEA 的发现能力。LLM2FEA 生成的设计不仅在一定程度上满足实用性要求，而且具有新颖而美观的形状，展示了 LLM2FEA 在发现任务中的潜在应用。

Jun, 2024

本研究探讨深度生成模型在核工程中扩增科学数据的应用，发现变分自编码器（VAEs）、条件变分自编码器（CVAEs）和生成对抗网络（GANs）具有相当的生成性能，使合成数据集的误差较小，证明深度生成模型在核工程中具有扩增训练数据集并让其他深度学习模型更准确训练的巨大潜力。

Aug, 2023