GCL学术成果：Nature Communications—数据驱动的多功能双连通多尺度结构逆向设计
问题背景
双连通多尺度结构在自然界中广泛存在（如松质骨），由固体相与空隙/流体相两部分相互贯通形成，构成连续且互联的网络体系。这类独特结构兼具多功能性与层级化特征，能够在高渗透性、可制造性及生物相容性等方面显著提升整体性能。然而，人工设计此类结构仍面临两大核心挑战：（1）缺乏可解析的数学描述形式，使基于解析模型的逆向优化极为困难；（2）三维多尺度设计需同时在宏观与微观层面进行优化，计算复杂度高且微结构之间的连接性难以保证，从而在很大程度上限制了设计效率与可制造性。
解决方案
为解决上述问题，本研究提出了一种基于数据驱动的双连通多尺度结构逆向设计方法。该方法基于一个关键发现：若构成多尺度结构的微结构单元均为双连通、开孔且具有相同边界，则整体结构天然保持双连通性。基于此原理，本研究构建了一个Large-range, Boundary-identical, Bicontinuous Open-cell Microstructure（L-BOM）数据集，并结合主动学习（AL）与生成式人工智能模型，自动生成满足指定力学性能和几何约束的大规模三维结构数据。整个框架通过“生成—筛选—再训练”的迭代策略，不仅确保了微结构的连通性和制造可行性，还显著扩展了性能空间。
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。
实验结果
基于所构建的 L-BOM 数据集，本研究实现了多功能双连通多尺度结构的高效逆向设计，并以股骨植入物为典型案例验证了方法的有效性。通过“自上而下”的多尺度拓扑优化框架，结合第三个数据集中具有更宽比表面积（S/V）分布的微结构，实现了结构的快速生成与性能精准匹配。结果表明，所设计的植入物在杨氏模量、孔径及孔隙率等方面与天然骨组织高度一致，能够有效平衡刚度、渗透性与轻量化之间的关系。与传统结构（如 IWP、BCC 桁架及旋节线结构）相比，该方法在无需后期插值处理的情况下显著提升了计算效率，并生成更贴近天然骨形态的板状（致密骨）与桁架状（松质骨）结构，展现出卓越的力学性能、设计效率与生物相容性。
图2 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。
为实现可调控的渗透性能，本研究设计了一种 4×4×1 双连通多尺度过滤结构，并通过数值分析、仿真与实验测试三阶段系统验证其性能。结果表明，所构建的 L-BOM 数据集在渗透率与比表面积（S/V）方面均展现出较传统 TPMS 结构（如 Gyroid、Diamond、IWP 等）更广的性能分布范围。在不同孔隙率（0.5、0.6、0.7、0.8）条件下，仿真结果与实验测量高度一致，验证了该结构在宽范围内实现可调渗透性的能力。此外，在孔隙率为 0.8 的样品（M16、M19、M20）中，实测水流速度与数值预测结果吻合良好，说明该结构在保持双连通性的同时，能够灵活调节流体通透性，展现出在过滤与流体调控领域的广阔应用潜力。
图3 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。对于孔隙率为 0.5、0.6、0.7 和 0.8 的情况，分别选取了五种具有代表性的结构，并基于 S/V 与渗透率与对应的 TPMS 类型进行对比；c 展示了双连通开孔结构的固体相（灰色）与空隙相（半透明），以及通过 COMSOL 获得的流体仿真结果；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。图中快照对应时间为 t = 1.90 s，各样品下方标示了总渗透时间 Ttotal。
研究贡献
在这项工作中，本研究提出了一种高效生成双连通多尺度结构的新方法，基于“微结构单元若同时具备双连通性、开孔特征并共享相同边界，则整体结构亦保持双连通性”的核心原理。由此构建的 L-BOM 数据集在四种边界条件下实现了大范围性能覆盖和无缝连接，大幅提升了多尺度设计的效率与可制造性。**可广泛应用于定制化骨植入物，力学隐身斗篷，渗透器件等领域并提升定制效率2-4个数量级，例如将三维力学隐身斗篷设计所需的10小时缩短至5分钟。随着问题规模增大，提升效果越显著。**该方法兼具广阔的设计空间、优异的力学性能与良好的生物相容性，并在数值模拟与实验中得到验证，为多功能、多物理场结构材料的智能逆向设计提供了新的思路和技术基础。
论文发表
该工作发表于Nature子刊《Nature Communications》,https://www.nature.com/articles/s41467-025-68089-2。该期刊2024-2025年度影响因子为15.7，是国际上极具影响力的综合性高水平学术期刊之一， 涵盖了材料科学、人工智能、机械工程、生物医学工程等多个交叉研究领域。
论文原文
Lili Wang, Jingxuan Feng, Xiaoya Zhai*, Jiacheng Han, Kai Chen, Winston Wai Shing Ma, Ligang Liu, and Xiao-Ming Fu. Data-driven Inverse Design of Multifunctional Bicontinuous Multiscale Structures. Nature Communications. 2026.
论文链接：https://www.nature.com/articles/s41467-025-68089-2