Partial Inverse Design of High-Performance Concrete Using Cooperative Neural Networks for Constraint-Aware Mix Generation
本研究提出一种基于合作神经网络的框架，用于高性能混凝土（HPC）的部分逆设计。该框架整合了补全模型与代理强度预测器，通过联合训练实现单次前向传播即可生成有效且性能一致的混合设计方案，无需针对不同约束场景重新训练。与自编码器及贝叶斯推断等基准模型相比，该方法将生成的混合料代理预测强度与目标强度之间的 R-squared 值提升至 0.84 至 0.89，并将该强度一致性均方误差分别降低约 42% 和 60%。研究结果证实了人工智能在高性能混凝土混合料生成中的新颖性、准确性及计算效率。