近日，中国科学技术大学（USTC）联合新疆师范大学、中关村人工智能研究院、香港理工大学，在数据驱动的多功能双连通多尺度结构逆向设计领域取得重要突破。相关成果于 2026 年 1 月 8 日以 “Data-driven Inverse Design of Multifunctional Bicontinuous Multiscale Structures” 为题，发表于 Nature 旗下顶级综合期刊 Nature Communications。

该研究首次系统性解决了双连通多尺度结构长期存在的 “难描述、难设计、难制造” 核心瓶颈，为骨植入物、渗透器件、力学隐身结构等复杂工程系统的智能化设计提供了全新的数据驱动范式。

论文链接：https://www.nature.com/articles/s41467-025-68089-2 数据链接：https://drive.google.com/drive/folders/1VnNVyjxKFQPCH_YchG52gRw1zEXKMr2J 开源链接：https://github.com/llwang91/L-BOM/

向自然学习：破解双连通多尺度结构设计的关键难题

在自然界中，双连通多尺度结构并不罕见。以松质骨为例，其内部由固体相与孔隙 / 流体相相互贯通，形成高度互联的三维网络，使结构在保持轻量化的同时兼具优异的力学性能与渗透能力。然而，在工程设计中复现这类 “自然结构” 并不容易：一方面，缺乏可解析的数学模型，使得传统建模与逆向设计方法难以直接应用；另一方面，多尺度三维结构的联合优化计算量随规模呈指数级增长，连通性难以统一约束，成为制约工程应用的核心难题。

图 1 数据驱动的多功能双连通多尺度结构设计的动机、挑战与工作流程。a 松质骨；b 双连通开孔结构；c 边界连接性；d 通过拓扑优化（Opt.）与主动学习（AL）构建的 L-BOM 数据集，其边界 / 掩膜为相同的 “X” 形，右侧为松质骨的多尺度逆向 设计过程。

关键突破：一个简单而深刻的结构原理

针对上述难题，研究团队提出了一个简单却具有高度普适性的核心原理：只要多尺度结构中每一个微结构单元同时具备双连通性、开孔特征，并共享完全一致的边界条件，无论其如何组合，整体结构都能够天然保持双连通性。基于这一原理，团队首次构建了大规模三维数据集 L-BOM（Large-range, Boundary-identical, Bicontinuous Open-cell Microstructure）。在统一边界条件约束下，L-BOM 数据集不仅实现了双连通微结构的无缝拼接，还覆盖了跨数量级的性能空间，并天然满足制造与结构连接约束，从而从根本上绕开了对解析建模的依赖，为多尺度结构的高效逆向设计奠定了坚实的数据基础。

图 2 在四种不同边界（Mask 1–4）条件下的 L-BOM 数据集示意图。 a–c 为第一种边界条件（Mask 1）的构建流程： a 基于 Mask 1 通过优化生成的初始数据集（21,620 个微结构）； b 主动学习（AL）框架； c 经过主动学习后的掩膜 1 最终数据集（106,445 个微结构）。 d–f 为其余三种边界（Mask 2–4）的初始与最终 L-BOM 数据集。 蓝色箭头表示多轮主动学习过程。

多尺度逆向设计闭环：效率提升 128 倍

在多尺度逆向设计闭环中，研究团队以股骨植入物为代表性案例，采用 “自上而下” 的多尺度逆向设计流程，实现了结构性能与生物特征的高度协同匹配。设计结果在多个关键指标上与天然骨组织高度一致：在杨氏模量、孔径和孔隙率等参数上实现精准匹配，并在刚度、渗透性与轻量化之间取得了更优平衡；在结构形态上，自然形成兼具致密骨板状特征与松质骨桁架状特征的多尺度复合结构。

与 IWP、BCC 桁架及旋节线等经典结构设计方法相比，该方法无需后期插值或额外拼接处理，整体计算效率显著提升，且所生成结构在形态与层级特征上更接近真实骨组织，体现出显著的设计优势。

图 3 致密骨与松质骨植入物的多尺度设计。a 初始配置及优化结果；b 多尺度结构的匹配、组装与求交过程；c 本研究结果（I）与三种典型结构：IWP（II）、BCC truss（III）以及旋节线结构（IV）的对比；d 展示了本研究的优化结果与 IWP、BCC truss、旋节线结构在松质骨设计中的计算时间（T/s）、杨氏模量（E/MPa）及平均孔径（APS/μm）的比较。

特别是在力学隐身斗篷等大规模、高复杂度任务中，该多尺度逆向设计闭环将原本 10 小时以上的计算时间压缩至不足 5 分钟，实现了 128 倍的效率提升。更重要的是，随着结构分辨率和问题规模的持续增大，这一效率优势不仅没有衰减，反而进一步放大，展现出优异的可扩展性与规模化潜力。

图 4 机械斗篷（20 × 20 × 20 单元）逆向设计结果。右侧展示了优化过程的迭代曲线，以及用于填充隐身体的微结构的性能分布。

128 倍并非终点，而是多尺度结构设计走向规模化应用的起点。

可调渗透结构：从仿真到实验高度一致

研究团队还设计并制造了 4×4×1 双连通多尺度过滤结构，并对其流体性能进行了系统验证。结果表明，基于 L-BOM 数据集构建的结构在渗透率和比表面积（S/V）等关键指标上显著优于传统 TPMS 结构（如 Gyroid、Diamond 和 IWP）。同时，数值计算、仿真分析与实验测量结果高度一致，在高孔隙率样品中，实测流速与数值预测几乎完全重合，验证了该方法在保持整体双连通性的同时，能够实现对流体通道结构的精确调控，显示出在过滤与流体调控器件中的应用潜力。

图 5 过滤装置的多尺度结构设计。a 过滤装置的初始设置（4×4×1 个单元）；b 比较了 Mask 2 数据集中的微结构与三种 TPMS 结构（Gyroid、Diamond 和 IWP）在孔隙率 (1−V)、比表面积 (S/V) 和渗透率方面的差异；d 在孔隙率为 0.8 的条件下，对比了所设计结构与 Gyroid、Diamond 和 IWP 结构的性能，并展示了各自的流体仿真结果；e 对六种结构（IWP、Diamond、Gyroid 以及优化后的多尺度设计 M16、M19、M20）进行了渗透率实验验证。

研究意义：为 AI 设计复杂结构打开新范式

该研究提出了双连通多尺度结构的可组合设计原理，首次构建了覆盖大范围性能空间、具备统一边界条件且可实现无缝拼接的四个三维双连通开孔结构数据集，并将生成式人工智能方法真正引入到具备工程可制造性的结构逆向设计中。同时，研究在力学与流体等多个物理场景下完成了数值计算与实验测量的双重验证。基于上述方法，可广泛应用于定制化骨植入物、力学隐身与超材料、渗透与过滤器件以及多物理场协同结构设计等领域，为多功能结构材料的智能逆向设计奠定了重要的技术基础。

中科大计算几何小组研究团队负责人表示：“作为长期深耕计算几何与计算机图形学的研究团队，我们将继续探索基础理论、核心算法与前沿应用的交叉融合，推动几何计算方法在复杂形状建模、仿真分析与智能设计等方向的持续突破。面向未来，团队将持续深入超材料这一前沿探索领域，围绕多尺度结构表征、性能预测与可制造约束下的智能优化等关键问题开展系统研究，形成可复用的设计理论与工具链。与此同时，我们也将积极推动相关成果在先进制造、航空航天、机器人与能源等场景落地，加速从算法创新到工程应用的转化，为产业升级与社会发展创造更大价值。”