TO-MambaLDM:基于多物理场信息的Mamba增强型潜扩散方法,用于冷却结构拓扑优化
《ADVANCED ENGINEERING INFORMATICS》:TO-MambaLDM: Multi-physics informed Mamba-enhanced latent diffusion for cooling structure topology optimization
【字体:
大
中
小
】
时间:2026年01月07日
来源:ADVANCED ENGINEERING INFORMATICS 11.5
编辑推荐:
魏张|于凯成|卢丽华|苏丽杰|斯威·梁辛中国沈阳东北大学工业智能与系统优化国家前沿科学中心,邮编110819
摘要:为实现医学水凝胶支架的高精度3D体外制造,提升3D打印设备中冷却系统的稳定性和温度控制性能至关重要。因此,液冷板的通道布局极为重要。传统的拓扑优化虽能生成可行设计
魏张|于凯成|卢丽华|苏丽杰|斯威·梁辛中国沈阳东北大学工业智能与系统优化国家前沿科学中心,邮编110819
摘要:为实现医学水凝胶支架的高精度3D体外制造,提升3D打印设备中冷却系统的稳定性和温度控制性能至关重要。因此,液冷板的通道布局极为重要。传统的拓扑优化虽能生成可行设计,但往往需要反复进行有限元分析,导致计算成本高且收敛速度慢。本文提出TO-MambaLDM,这是一种多物理场驱动的生成式拓扑优化框架,它将潜在扩散模型与状态空间架构相结合。与现有的数据驱动以及基于扩散模型或Transformer的生成式设计方法相比,TO-MambaLDM能够将热流体运行条件直接纳入生成过程,并通过强化长程依赖性建模来提升设计的物理一致性与连贯性。该框架通过多通道场映射和边界矩阵对潜空间进行约束,从而捕捉热流体-结构耦合效应。Mamba模型用于处理长程依赖关系,而扩散模型则可生成高分辨率且符合物理规律的设计。同时,通过引入可制造性损失机制,该框架还能提升通道的连通性及制造的可行性。实验表明,TO-MambaLDM的重建精度可达IoU=0.93,温度和压力的均方误差分别降至7.4和7.2,其性能优于多种基准模型,在温度和压力预测精度方面分别提升了18.0%和11.1%。迁移学习进一步验证了该框架在处理不同进出口配置时,仍能生成具备高性能且可制造的冷却结构。TO-MambaLDM为增材制造、电子散热及能源系统中的快速冷却结构设计提供了一种统一的、基于物理原理的解决方案。
引言:三维打印技术可以利用多种生物相容性材料,制造出具有复杂几何结构的仿生结构[1]、[2]。近年来,该技术在微尺度组织构建及功能性疾病模型开发领域发展迅速,为实现针对患者个体的人体尺寸器官制造提供了有力途径[3]。在各类主流打印技术中,如喷墨式、光聚合式和挤出式技术,挤出式3D打印因其操作简单、材料适用范围广且成本低廉,而在组织工程和再生医学领域备受关注[4]、[5]、[6]。它能够精确地沉积和组装生物墨水,有助于构建复杂的3D仿生结构[7]。目前,挤出式3D打印所使用的生物墨水主要是医用级可降解水凝胶[8]。这类材料在物理和生化特性上与天然细胞外基质十分相似,具有较高的水合度和出色的生物相容性[9],因此非常适合用于制备载细胞支架及药物输送系统[10]。然而,水凝胶在3D打印过程中往往存在稳定性不足的问题,这主要是因为其流变行为对温度变化极为敏感[11]。许多常用的水凝胶,如甲基丙烯酰化明胶(GelMA)、I型胶原蛋白、GelMA-胶原蛋白复合材料以及明胶,都只能在接近其溶胶-凝胶相变点的狭窄温度范围内进行打印。一旦温度控制不当,水凝胶的流动状态就会发生显著变化。这种流变稳定性的下降会直接影响打印质量及结构的稳定性。因此,在打印过程中实现精确的温度调控,尤其是有效控制3D打印头内的生物墨水温度,对于保证打印质量至关重要。为提升挤出式生物打印的打印精度,人们已经探索了多种温度控制策略。例如,张等人[12]利用定制的挤出式生物打印机,在低温条件下实现了7% GelMA材料的连续打印。此外,采用温度可控或带冷却功能的基底,也被广泛用于稳定水凝胶的沉积过程,保持打印时的形状精度[13]、[14]、[15]。尽管人们普遍认识到温度在挤出式水凝胶3D打印中起着决定性作用,但目前仍缺乏针对喷嘴周围温度控制的专项研究[16]。在生物打印过程中,医学水凝胶通常会被预先装载到3D打印头内,然后通过内置的冷却机制来维持适宜的打印温度[8]。为确保水凝胶在打印过程中始终处于理想的流变状态,人们常常在喷嘴内部嵌入珀尔帖热电冷却模块,以实现局部冷却,将墨水温度控制在接近溶胶-凝胶相变点的水平。然而,现有的冷却设计往往缺乏高效的液体通道布局。如果冷却通道设计不佳,或者热量无法及时从加热侧散去,那么冷却能力就会受到限制,因为加热侧的残余热量会干扰冷却侧的温度调控。这将导致墨水温度响应延迟,其流变行为也会落后于控制要求,进而降低调控精度。不恰当的温度控制会破坏水凝胶的流变行为,严重影响打印精度。过高的温度会降低水凝胶的粘度,使得打印出的细丝变得过于柔软,容易发生几何结构坍塌。相反,过低的温度则会增加喷嘴出口处的流动阻力,导致挤出过程不稳定、细丝断裂,以及沉积层出现粗糙或不连续的现象。由于打印出的细丝是构成结构的基本单元,哪怕是微小的偏差也会逐层累积,最终导致大规模的结构变形或功能失效[17]。因此,准确控制打印头内生物墨水的温度,对于实现可靠的挤出式生物打印而言至关重要。为应对上述挑战,有效的热管理已成为高性能生物打印喷嘴设计的核心。要实现高精度的温度控制,就需要解决在生物打印过程中,如何及时散发喷嘴内部积累的热量的问题。近年来,由于其出色的散热性能,液冷技术在各类热管理场景中得到了广泛应用。例如,Tuckerman等人[18]设计了一种带有矩形微通道的硅基散热器,显著提升了微电子设备的冷却效率。不过,这类结构通常是基于经验性的工程知识设计的,缺乏系统化的方法论,也无法保证最优性。随着拓扑优化技术的不断发展,研究人员开始探索那些能够明确以边界约束下的目标函数为优化目标的液冷结构设计方法[19]、[20]。拓扑优化在热传导、流体力学以及磁结构设计等多个领域展现了强大的几何重构能力,相较于遗传算法和进化策略等传统方法,它具有更高的灵活性和更好的性能表现。在液冷板设计领域,拓扑优化也展现出了巨大的潜力。以往的研究已将这种方法应用于电池冷却系统等工程领域,并取得了不错的成果[21]、[22]。例如,钟等人[23]为双进口-双出口系统设计了多个基于拓扑优化的液冷板方案,并通过电化学模型对其性能进行了评估,结果发现优化后的结构在低流量条件下具有更优异的冷却性能。同样,孙等人[24]将二维拓扑优化与三维几何重构相结合,为电锤系统设计了一种新型液冷板,同时还建立了电化学-热耦合模型,用于模拟锂离子电池充放电过程中的温度分布。他们的研究结果表明,基于拓扑优化的液冷板在传热性能方面优于传统的蛇形和矩形设计。尽管拓扑优化在液冷系统设计中展现出出色的设计灵活性和性能潜力,但其实际工程应用仍面临诸多挑战。传统的拓扑优化方法通常依赖于反复的有限元分析迭代,这不仅会导致极高的计算成本、缓慢的收敛速度,还会对计算资源造成巨大负担,难以满足快速设计和原型制作的需求。此外,通过这些方法生成的结构在可制造性和稳定性方面往往也存在缺陷,尤其是在那些结构复杂的冷却通道中,可能会出现拓扑不连续或几何异常现象,进而影响后续的制造过程及热管理效果。为克服传统方法的局限性,近期的一些研究开始探索将深度学习技术融入拓扑优化工作流程中。作为机器学习的一个重要分支,深度学习可以直接从数据中学习输入与输出之间的非线性映射关系[25]、[26]、[27],从而大幅降低拓扑优化的计算成本。先前的研究已经表明,通过构建替代模型来预测结构的响应,可以有效加速优化过程[28]、[29]。例如,王等人[30]提出了一种基于GAN的模型,用于生成质子交换膜燃料电池系统中的冷却通道拓扑结构,该模型在显著降低计算成本的同时,还提升了系统的热流体性能。Lim等人[31]则利用图像超分辨率模型来提高生成结构的分辨率,实现从低分辨率输入到高分辨率输出的映射;邓等人[32]开发了一种将深度神经网络与有限元分析相结合的在线拓扑优化系统,该系统能够实现训练数据的动态生成,进一步提升优化精度。宋等人[33]则为液冷板拓扑优化提出了一种基于神经网络的替代方法,他们系统地分析了体积分数、雷诺数以及边界条件对优化结果的影响。除了注重性能优化的方向外,近期的研究还强调了交互式生成式设计框架在提升设计效率及用户使用便捷性方面的作用[34],这进一步体现了生成式智能在各类工程设计任务中的巨大潜力。针对热流体-结构耦合条件下的冷却通道设计,传统的多物理场拓扑优化方法也已被广泛研究[35]。受这些进展以及新兴的基于扩散模型或Transformer的生成式设计方法的启发,TO-MambaLDM融合了多物理场条件约束与状态空间建模技术,能够更好地捕捉长程的拓扑-物理依赖关系,从而设计出既符合物理规律又具备可制造性的冷却结构。在这些研究成果的基础上,我们提出了TO-MambaLDM,这是一种基于多物理场条件约束的生成式框架,可用于快速设计生物打印喷嘴中的液冷板[36]。该方法将拓扑优化算法的优化原则与潜在扩散模型相结合,能够在复杂的熱流体边界条件下,高效且可控地生成具备可制造性的冷却通道布局[37]。为更好地保持通道的连通性,并捕捉对热性能和制造可行性至关重要的长程拓扑-物理依赖关系,我们在该方法中引入了受Mamba模型启发的状态空间建模组件。总体而言,TO-MambaLDM旨在在保证热流体一致性及几何可实现性的同时,实现快速的设计方案生成。第3节将详细介绍该框架的各个组成部分及条件约束机制。本研究旨在开发一种高效、符合物理规律且具备可制造性的液冷板设计框架,以满足挤出式生物打印喷嘴对严格温度控制的要求,从而在复杂的熱流体-结构耦合条件下实现高精度的拓扑结构生成。本研究的主要贡献如下:(1) 我们提出了一种全新的多物理场驱动的拓扑优化生成式框架——TO-MambaLDM,该框架将潜在扩散模型与Mamba状态空间架构相结合,能够在热流体-结构耦合的约束条件下,生成高精度的冷却结构,同时确保设计的可制造性和物理一致性。(2) 我们构建了一个大规模的多模态数据集,用于液冷板优化,该数据集包含了热源矩阵、体积分数矩阵、流动边界条件矩阵,以及六通道稳态物理场图像。这些数据系统地描述了几何结构、物理特性与性能之间的关系,为深度生成式建模提供了全面的数据支持。(3) 我们设计了一种多目标损失函数,该函数综合考虑了结构精度、热流体响应的准确性以及可制造性指标,从而有效提升了生成结构的物理真实性和工程适用性。(4) 我们进行了系统的评估,包括消融实验和迁移学习实验。实验结果表明,TO-MambaLDM在结构重建精度、热响应预测能力,以及在不同进出口配置(单进口-单出口、双进口-双出口、三进口-三出口)下的泛化能力方面,均显著优于各种基准方法。(5) 通过一个关于生物打印机中64×104尺寸工作平台散热器的实际案例研究,我们验证了所提方法的可行性,该方法能够快速生成具备可制造性的冷却结构,同时大幅降低计算成本。总之,所提出的TO-MambaLDM生成式框架能够实现高精度、符合物理规律且具备可制造性的冷却结构,显著提升了热管理性能,且在不同的生物打印场景中都展现出较强的适应性。本文的其余部分安排如下:第2节将介绍生物打印喷嘴的热源分布、工作环境以及相关的数学模型;第3节详细阐述所提出的具有条件控制功能、扩散先验机制以及USM编码器的拓扑结构生成框架;第4节介绍数据集及评估指标;第5节报告关于拓扑结构生成性能、喷嘴温度控制、水凝胶打印以及用于打印平台散热器设计的迁移学习方面的实验结果;第6节最后将对该框架在各种不同条件下实现高精度、符合物理规律且具备可制造性的冷却结构的能力进行总结,同时阐述其在对温度敏感的生物打印系统中应用的广阔前景。
片段模型:生物打印喷嘴的热源分布与工作环境建模为确保在挤出式3D打印过程中,医学水凝胶生物墨水能够稳定沉积并形成所需的结构,市面上主流的商业生物打印系统通常都会在喷嘴组件中集成主动温度控制功能。本研究中所使用的实验平台是一台高精度的3D生物打印机(SIA Bioprinter PRO,沈阳自动化研究所出品),其挤出喷嘴的结构及内部冷却组件如图1(a)、(b)所示。生物墨水是通过一种统一的框架进行加载的,该框架用于基于物理原理生成拓扑结构。为了在复杂的边界条件及多物理场约束下高效地生成LCP的拓扑结构,本研究提出了一种名为TO-MambaLDM的拓扑生成框架,它将Mamba与LDM相结合[36][37]。该方法利用热-流-结构耦合特性,设计出了由多模态条件注入、结构感知型扩散建模以及高级语义融合构成的结构生成工作流程,旨在提升液体冷却系统的整体性能。
为了在热流结构多物理场耦合条件下对LCP的拓扑结构进行高性能优化,研究人员构建了一个多模态物理数据集。该数据集基于SIMP方法整合了拓扑优化过程,系统地记录了流动边界条件、热源分布、初始体积分数以及相应的物理场响应。这些信息不仅为基于深度学习的结构生成和性能评估提供了坚实的训练基础。
为了系统评估所提出的TO-MambaLDM模型在LCP拓扑结构生成任务中的性能,我们从结构重建精度、热流场一致性、物理一致性以及工程可制造性四个关键维度开展了对比实验。作为对比基准的模型涵盖了多种代表性的建模方法,包括经典的卷积模型UNet与SIMP结合的形式(UNet + SIMP),以及具有物理信息的神经网络模型。
本研究提出了一种多物理场驱动的生成式拓扑优化框架TO-MambaLDM,它将LDM与Mamba状态空间架构深度整合,通过多通道边界条件矩阵和物理场分布特征实现热流结构的联合建模。在设计过程中,还引入了考虑制造约束的多目标损失函数,有效提升了生成结构的冷却通道连通性、边界完整性等方面的性能。
**CRediT作者贡献声明**
魏张:写作——审阅与编辑,写作——初稿撰写,验证,方法论,研究设计,概念构思。于凯成:写作——审阅与编辑,写作——初稿撰写,验证,研究分析。卢丽华:形式分析,数据整理,概念构思。苏丽杰:可视化,项目监督,资源协调,项目管理。Swee Leong Sing:写作——审阅与编辑,项目监督,资源协调。
**资金支持**
本研究得到了中国国家自然科学基金(项目编号72072029)、黑龙江省重点研发计划(项目编号2022ZX02C22)以及哈尔滨市制造业科技创新人才计划(项目编号2023HBRCGD011)的支持。
**利益冲突声明**
作者们声明不存在任何可能影响本文所述工作的已知财务利益或个人关系。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号