TabPFN for zero-shot parametric engineering design generation

Wang, Ke

doi:10.1016/j.cad.2026.104116

TabPFN for zero-shot parametric engineering design generation

2026-09-29

0

PRE

AI

DOI：10.1016/j.cad.2026.104116

原文链接

原文求助

摘要

En 中文

深度生成模型在工程设计中通常需要巨大的计算成本、大规模训练数据集，以及当设计要求或数据集变化时需要大量重新训练，这限制了其在实际工程设计流程中的应用。本研究提出了一种基于TabPFN的零样本生成框架，用于参数化工程设计，仅使用少量参考样本即可实现条件化设计生成，无需任何任务特定的模型训练或微调。该方法按顺序生成设计参数，以目标性能指标为条件，为传统生成模型提供了一种灵活的替代方案。该方法的有效性在三个工程设计数据集上进行了评估，即船舶船体设计、BlendedNet飞机和UIUC翼型。实验结果表明，所提出的方法在高度结构化的参数设计空间中实现了有竞争力的多样性，对几何生成的采样分辨率和参数维度变化保持鲁棒性，并实现了低性能误差（例如，在生成的船舶船体设计中性能误差<2%）。与基于扩散的生成模型相比，所提出的框架显著降低了计算开销和数据需求，同时保持了可靠的生成性能。这些结果表明，零样本、数据高效的生成方法有望成为工程设计的实用且高效的工具，能够实现快速部署、灵活适应新的设计环境，并易于集成到实际工程工作流程中。

Keyword:

TabPFN

Generative design

Engineering Design

Zero-shot learning

TabPFN for zero-shot parametric engineering design generation

摘要

期刊

机构

引用论文