論文の概要: Concurrent two-scale topology optimization of printable bone scaffolds via rectified-flow generation and exact latent-space refinement

• arxiv url: http://arxiv.org/abs/2610.25565v1
• Date: Sun, 18 Oct 2026 22:00:02 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:28:09.299759
• Title: Concurrent two-scale topology optimization of printable bone scaffolds via rectified-flow generation and exact latent-space refinement
• Title（参考訳）: 整流再生と正確な潜時空間精錬による印刷可能な骨足場の同時2スケールトポロジー最適化
• Abstract要約: 本研究は骨足場のための2段階のトポロジー最適化フレームワークを同時に提案する。 条件付き整流流は周期格子構造を生成し、これは正に有限なホモゲニズ要素の感度によって潜在空間で洗練される。 結果は、印刷可能で機械的に制約された足場設計へのルートを確立する。
• 参考スコア（独自算出の注目度）: 0.9640442628926844
• License:
• Abstract: Bone scaffolds must reconcile a macroscale mechanical response with microscale geometric feasibility, yet conventional approaches to their design restrict attainable constitutive properties. This work presents a concurrent two-scale topology optimization framework; a conditional rectified flow generates periodic lattice microstructures, which are then refined in latent space by exact finite-element homogenization sensitivities. The resulting unit-cell geometries and their spatial assignments are jointly optimized under mechanical and feature-size constraints. In a distal rabbit femur benchmark, all eight flow-started refinements produce printable cells with maximum relative errors under 1\% across six prescribed engineering moduli. Constructing the implant from a single tiled cell reproduces intact whole-femur compliance within 0.1\% and regional strain energy within 0.35\% under four loading conditions. In human femoral reconstruction, multiscale concurrent optimization produces a cortical mid-shaft scaffold with porosity 63\% while satisfying the compliance constraint within 2\% under walking and stair-climbing loads. It achieves an 84\% porosity on a proximal cancellous scaffold with strain-energy deviations below 0.25\% under the same loads. Analysis of the learned representations reveals distinct architectural families in latent space. Further, the attention heads of the rectified-flow transformer specialize for spatial shifts -- learning the analogue of a finite-difference stencil -- and coordinate symmetries, with ablations showing their influence on generated topologies. These results establish a route to printable, mechanically constrained scaffold designs. The framework is general enough for extending to many other multiscale structural design applications including topology-microstructure co-design in metal additive manufacturing.
• Abstract（参考訳）: 骨足場は、マイクロスケールの幾何学的実現可能性とマクロスケールの機械的応答を調整しなければならないが、その設計に対する従来のアプローチは、達成可能な構成特性を制限している。 条件整流により周期的格子構造が生成され、有限要素均質化感性によって遅延空間で洗練される。 結果として生じる単位セルジオメトリとその空間割り当ては、機械的および特徴的制約の下で共同最適化される。 遠位家兎大腿骨のベンチマークでは、フロースタートした8つの精細化は、6つの所定のエンジニアリングモジュールで最大1\%以下の相対誤差でプリント可能な細胞を生成する。 単一のタイル状細胞からインプラントを組み立てることにより、4つの負荷条件下で、0.1 %以内の無傷全大腿骨コンプライアンスと0.35 %の局所ひずみエネルギーを再現する。 ヒト大腿骨再建術では, 歩行負荷および階段上昇負荷下でのコンプライアンス制約を満足しつつ, ポロシティ63\%の皮質中軸足場を複数同時最適化する。 同じ荷重下では、ひずみエネルギーの偏差が 0.25 % 以下である近位カンセルスキャフォールド上で84 %のポロシティを達成する。 学習された表現の分析は、潜在空間における異なるアーキテクチャファミリを明らかにする。 さらに、整流変圧器のアテンションヘッドは、空間シフト(有限差分ステンシルの類似を学習する)と座標対称性(英語版)を専門とし、それらが生成されたトポロジに与える影響を示す。 これらの結果は、印刷可能で機械的に制約された足場設計へのルートを確立する。 このフレームワークは、金属添加物製造におけるトポロジー-ミクロ構造共設計を含む、他の多くの大規模構造設計アプリケーションに拡張するのに十分である。

関連論文リスト

• Reduced Cartesian Kinetostatics for Tendon-Driven Continuum Robots: Residual-Stabilized Full-Shape Propagation [19.333315563300918]
  腱駆動連続体ロボット(TDCR)の多くの計画および制御タスクは、完全なカルテシアンバックボーン形状を必要とする。 本稿では, 所定の腱力および腱変位軌跡に沿って平衡を伝播するTDCRに対するカルテシアンフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-24T15:17:32Z)
• GrainGS: Gradient-Decoupled Gaussian Splatting for Efficient Dynamic Novel View Synthesis [94.20462261657525]
  GrainGSは階層的なアンカー足場とガウス単位の変形を組み合わせた動的フレームワークである。 高いリコンストラクション品質、リアルタイムの新規ビュー合成、コンパクトストレージを実現している。
  論文  参考訳（メタデータ） (2026-07-23T15:52:35Z)
• One-Shot Generative Design for Disordered Metamaterials via Self-Organizing Neural Cellular Automata [9.321828591115567]
  不規則なメタマテリアルは、固有のランダム性と不規則性を持つミクロ構造を特徴とする。 その約束にもかかわらず、混乱したマイクロ構造を設計することは、通常の構造を設計するよりもはるかに難しい。 本稿では,局所的相互作用ルールを学習し,複雑な構造を動的に成長させる生成設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-16T01:43:03Z)
• Hybrid Unet-Transformer Model for Generating Stress and Strain Fields from Composite Geometrics [0.0]
  本稿では,複合構造形状画像から直接,複雑な力学場分布を予測するハイブリッドUNet-Transformerアーキテクチャを提案する。 その結果,提案アーキテクチャは,ほとんどのサブデータセットにおいて高い予測性能を達成していることがわかった。
  論文  参考訳（メタデータ） (2026-06-30T02:56:38Z)
• Emyx: Fast and efficient all-atom protein generation [0.5417521241272645]
  Emyxは標準変圧器ブロック内で容量を集中する条件付きフローマッチングモデルである。 最小のモデルであるにもかかわらず、エミックスはProtena-ComplexaとRFdiffusion3の両方でAME酵素設計ベンチマークに勝っている。
  論文  参考訳（メタデータ） (2026-06-12T09:46:38Z)
• Anisotropic Permeability Tensor Prediction from Porous Media Microstructure via Physics-Informed Progressive Transfer Learning with Hybrid CNN-Transformer [0.0]
  細孔スケールの微細構造画像からの透水性テンソルの予測は地下流れのモデリングには不可欠であるが、直接数値シミュレーションではサンプルあたりの時間を要する。 MaxViTハイブリッドCNN-Transformerアーキテクチャと、プログレッシブトランスファー学習と微分可能な物理的制約を組み合わせることで、このボトルネックを解決する物理インフォームドディープラーニングフレームワークが提示される。
  論文  参考訳（メタデータ） (2026-03-18T09:41:01Z)
• Rigidity-Aware Geometric Pretraining for Protein Design and Conformational Ensembles [74.32932832937618]
  我々は、微調整の前に幾何学学習を前もってロードする幾何学事前学習フレームワークであるtextbfRigidSSL$(textitRigidity-Aware Self-Supervised Learning$)を紹介した。 フェーズI(RigidSSL-Perturb)は、AlphaFoldタンパク質構造データベースから432K構造から、シミュレートされた摂動を持つ幾何学的先行を学習する。 フェーズII(RigidSSL-MD)は、1.3K分子動力学軌道上のこれらの表現を洗練し、物理的に現実的な遷移を捉える。
  論文  参考訳（メタデータ） (2026-03-02T21:32:30Z)
• Efficient Micro-Structured Weight Unification and Pruning for Neural Network Compression [56.83861738731913]
  ディープニューラルネットワーク(DNN)モデルは、特にリソース制限されたデバイスにおいて、実用的なアプリケーションに不可欠である。 既往の非構造的あるいは構造化された重量刈り法は、推論を真に加速することはほとんど不可能である。 ハードウェア互換のマイクロ構造レベルでの一般化された重み統一フレームワークを提案し,高い圧縮と加速度を実現する。
  論文  参考訳（メタデータ） (2021-06-15T17:22:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。