テキストからのリブ設計、拡散モデルとトポロジー最適化を統合
ヨンミン・クォン (Yongmin Kwon)氏とナムー・カン (Namwoo Kang)氏は2026年9月10日(現地時間)、テキスト-to-画像拡散モデルをトレーニング不要な設計知識源として、トポロジー最適化と組み合わせる新しい手法を発表した。同氏らの論文がarXiv cs.LGに掲載された。自然界の構造に匹敵する高剛性・低質量なパターン生成を目指し、エンジニアが自然言語で設計意図を表現できる点が特徴。245回の評価ランで、49通りのプロンプトとドメインの組み合わせのうち38通りで、既存手法を上回る有意なコンプライアンス削減（機械的で最大31.5%、熱弾性で最大23.0%）を達成した。