Co-PiLOT: Constrained Physics-Informed Latent Optimization for Target-Driven Inverse Design

📄 arXiv: 2609.37875v1 📥 PDF

作者: Mahish K. Guru, Mayank Nagar, Ayush vyas, Jan Bohlen, Roland Aydin, Noomane Ben Khalifa

分类: cs.AI, cs.CE

发布日期: 2026-09-29

💡 一句话要点

提出Co-PiLOT以解决物理系统逆向设计中的优化问题

🎯 匹配领域: 支柱七：动作重定向 (Motion Retargeting)

关键词: 逆向设计 潜在优化 物理信息 深度学习 材料科学 微结构 黑箱优化

📋 核心要点

  1. 现有的逆向设计方法在高维空间中优化物理系统时面临可行性编码困难和评估成本高的问题。
  2. Co-PiLOT通过生成编码器-解码器映射候选，并在潜在空间中进行物理信息驱动的优化，提供了一种新颖的解决方案。
  3. 在镁合金微结构的逆向设计中，ViT-FMDiT与MERIDIAN的结合在160次模拟预算内显著提高了目标驱动的优化效果。

📝 摘要（中文）

物理系统（如分子、设备和微结构）的逆向设计通常需要在高维结构中优化，且依赖于昂贵的黑箱模拟器。直接搜索面临非欧几里得空间、可行性编码困难和评估成本高等挑战。本文提出Co-PiLOT，一种潜在优化方法，通过生成编码器-解码器映射候选，利用解码器作为学习的有效性先验，并在物理信息驱动的黑箱优化中搜索潜在空间。该框架应用于镁合金微结构/纹理的逆向设计，开发了基于视觉变换器的编码器，并结合潜在扩散、扩散变换器和修正流变换器的解码器，学习最小瓶颈z。最终，结合ViT-FMDiT模型和MERIDIAN优化器，在160次模拟预算内，显著降低了相对目标误差3%至22%。

🔬 方法详解

问题定义：本文旨在解决物理系统逆向设计中的高维优化问题，现有方法在处理非欧几里得空间时面临可行性编码和评估成本高的挑战。

核心思路：提出Co-PiLOT，通过生成编码器-解码器映射候选，利用解码器作为有效性先验，并在潜在空间中进行物理信息驱动的黑箱优化，从而提高优化效率。

技术框架：整体架构包括生成编码器、解码器和MERIDIAN优化器。编码器使用视觉变换器，解码器采用潜在扩散、扩散变换器和修正流变换器，形成一个完整的优化流程。

关键创新：最重要的创新在于将深度学习与物理信息优化相结合，利用潜在空间进行高效搜索，显著提高了目标驱动的优化效果。

关键设计：ViT-FMDiT模型的瓶颈z设置为768，采用FID和MS-SSIM作为评估指标，确保高保真微结构图像的重建质量。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，ViT-FMDiT与MERIDIAN的结合在160次模拟预算内，成功将相对目标误差降低了3%至22%，相较于七个基线方法（如DANTE、TuRBO等）表现出显著的优化效果。

🎯 应用场景

该研究在材料科学领域具有广泛的应用潜力，尤其是在新材料的设计与优化方面。通过提高逆向设计的效率，能够加速新型合金和微结构的开发，推动相关工业的技术进步。

📄 摘要（原文）

Inverse design of physical systems (molecules, devices, microstructures) often reduces to optimizing a high-dimensional structure against an expensive black-box simulator. Direct search is difficult because the space is non-Euclidean, feasibility is hard to encode, and each evaluation is expensive. We present Co-PiLOT, a latent optimization approach that maps candidates through a generative encoder-decoder, uses the decoder as a learned validity prior, and searches the latent space with physics-informed black-box optimization. The framework is applied on the inverse design of magnesium alloy microstructure/texture. We develop a vision transformer based-encoder; paired with latent diffusion, diffusion transformer and rectified-flow transformer-based decoders on $\sim80{,}000$ EBSD-derived microstructure dataset to learn a minimal bottleneck, $z$. The ViT-FMDiT model ($z$=$768$) reconstructs high-fidelity microstructure images (FID $27.86$, MS-SSIM $0.178$), which our self-segmenting orientation codec converts into input grids for crystal plasticity solver. Finally, we introduce MERIDIAN, an active latent optimizer driven by deep-kernel Gaussian-process uncertainty, failure-aware feasibility prediction, manifold-aware trust regions, and target-aware acquisition. Within a budget of $160$ simulations, the ViT-FMDiT and MERIDIAN combination yields the best target-driven objective score, reducing the relative target error by $3$--$22\%$ against seven baselines (DANTE, TuRBO, BAxUS, CMA-ES, DDOM, SEIKO, DDPO) on the same decoder.