复现审计：拓扑优化机器学习加速比缩水

有研究者在同一工作站重跑八种拓扑优化方法的公开代码，发现仅把经典有限元求解器换成加速版本，OAT 和基于图的神经优化器两种方法的速度提升就会缩水最多 20 倍。 在刚度匹配条件下，OAT 在 256 x 256 网格上的实际加速为 1.5 倍至 3.5 倍，而非原论文声称的 134 倍；基于图的优化器在全部六个二维问题上均慢于经典代码。作者据此对已发表的加速比声明提出质疑。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。