近日，中国科学技术大学数学科学学院刘利刚教授、傅孝明副教授、翟晓雅副研究员联合新疆师范大学、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，发表在Nature Communications上。

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。

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。

针对上述难题，研究团队提出了一种基于数据驱动的双连通多尺度结构逆向设计新方法。研究发现，只要构成多尺度结构的微结构单元同时具备双连通性、开孔特征并共享相同边界条件，整体结构即可天然保持双连通性。基于这一原理，团队构建了L-BOM（Large-range, Boundary-identical, Bicontinuous Open-cell Microstructure）数据集，并结合主动学习与生成式人工智能模型，形成“生成—筛选—再训练”的闭环设计框架，在保证结构连通性和制造可行性的同时，大幅拓展了可设计性能空间。

以股骨植入物为代表性案例，研究团队采用“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精准匹配。设计结果在杨氏模量、孔径和孔隙率等关键指标上与天然骨组织高度一致，在刚度、渗透性与轻量化之间取得了良好平衡。与传统结构设计方法（如 IWP、BCC 桁架及旋节线结构）相比，该方法无需后期插值或拼接处理，计算效率显著提升，并自然形成更接近真实骨组织的板状与桁架状多尺度复合结构。

此外，研究团队还设计并验证了一种双连通多尺度过滤结构。实验与数值仿真结果表明，该结构在渗透率和比表面积方面展现出优于传统 TPMS 结构的更宽性能调控范围，且仿真与实验结果高度一致，显示出在过滤与流体调控器件中的应用潜力。

该研究为多功能、多物理场结构材料的智能逆向设计提供了全新的数据驱动范式，可将复杂结构的设计效率提升2个以上数量级。例如，三维力学隐身斗篷的设计时间由约10 小时缩短至 5 分钟，且随着问题规模的增大，加速效果愈加显著，为定制化骨植入物、渗透器件及力学隐身结构等工程应用奠定了重要基础。

中国科学技术大学数学科学学院博士研究生王莉莉、硕士研究生冯靖轩为共同第一作者，翟晓雅副研究员为文章的通讯作者。该研究工作得到了国家重大研发计划项目、国家自然科学基金、中央高校青年创新基金、中国科学院战略性先导科技专项、新疆维吾尔自治区自然科学基金以及中国科大-新疆师大对口合作发展联合基金等项目的大力支持。

论文链接：https://www.nature.com/articles/s41467-025-68089-2

(数学科学学院)