AI设计超材料，不用在「照搬」和「散架」间二选一了
2026.10.22 · 产品 · 论文 · 论文预印本
弗吉尼亚理工与Meta提出ReGDiff，用潜空间正则加短程排斥引导扩散模型生成超材料。
弗吉尼亚理工大学Dawei Zhou团队与Meta合作提出ReGDiff，先用RAS机制整理自编码器潜空间，再用SRR在采样时避开已知样本近邻。相比最强基线，几何合理性平均提升8.9%，新颖性提升46.4%，多样性提升128.6%，并补上桁架体素数据集MetaTruss与五项评测指标。
- 提出ReGDiff，用RAS整理潜空间、SRR短程排斥引导采样
- 构建桁架体素数据集MetaTruss，与MetaShell组成统一基准
- 提出五项指标，覆盖几何合理性、新颖性与多样性
- 相比最强基线，几何合理性提升8.9%、新颖性46.4%、多样性128.6%
- 生成1000个结构用时31秒，与Yang et al.的28秒接近
为什么值得看
揭示生成模型在超材料设计中兼顾合理性与新颖性的可行路径。
适合谁关注
关注AI for Science、生成模型与材料设计的研究者和从业者。