AcoustiPrint：物理引导的可制造声学结构神经设计

arXiv:2610.30411v1 公告类型：新论文 摘要：增材制造和神经逆向设计领域的近期研究使人们能够创建复杂的三维结构来调控物理场，但这些设计也必须满足离散且不可微的制造约束。现有方法通过施加可微的软性可制造性损失惩罚来限制设计空间，或通过后处理修正结构，导致物理模型优化的几何形状与最终制造结果之间存在差异。因此，我们提出 AcoustiPrint，这是一种用于受约束逆向设计的物理信息神经架构，利用隐式神经表示（INR）表征三维几何形状，并在评估每个候选设计的最终响应之前，先将其送入可打印性算子。该可打印性算子执行逐层自支撑、离散材料选择和整体连通性约束，确保制造可行性。为使反向传播能够穿过离散且不可微的操作，我们在反向传播过程中使用代理梯度，并采用自监督可打印性目标，逐步引导 INR 进入有效设计域。我们在个性化经颅聚焦超声应用中展示了 AcoustiPrint 的效果。在该应用中，患者之间声学特性和头部几何形状的差异会使声波传播发生畸变，因此需要针对具体患者实现声学聚焦。AcoustiPrint 通过可微的波动物理模型联合优化三维几何形状和材料组成，同时确保可制造性。实验表明，所生成的可制造声学结构具有更高的焦点定位精度，优于基于密度和基于相位的基线方法，展示了一种结合不可微制造约束与可微物理模型开展神经设计的通用方法。