This paper proposes a new topology optimization method that applies a convolutional neural network (CNN), which is one deep learning technique for topology optimization problems. Using this method, we acquire a structure with a little higher performance that could not be obtained by the previous topology optimization method. In particular, in this paper, we solve a topology optimization problem aimed at maximizing stiffness with a mass constraint, which is a common type of topology optimization. In this paper, we first formulate the conventional topology optimization by the solid isotropic material with penalization method. Next, we formulate the topology optimization using CNN. Finally, we show the effectiveness of the proposed topology optimization method by solving a verification example, namely a topology optimization problem aimed at maximizing stiffness. In this research, as a result of solving the verification example for a small design area of 16x32 element, we obtain the solution different from the previous topology optimization method. This result suggests that stiffness information of structure can be extracted and analyzed for structural design by analyzing the density distribution using CNN like an image. This suggests that CNN technology can be utilized in the structural design and topology optimization.

中文翻译：

---

基于卷积神经网络的拓扑优化 (CNN-TO) 通过估计材料分布的合规性敏感性

本文提出了一种新的拓扑优化方法，该方法应用了卷积神经网络 (CNN)，这是一种用于拓扑优化问题的深度学习技术。使用这种方法，我们获得了一个性能稍高的结构，这是以前的拓扑优化方法无法获得的。特别是，在本文中，我们解决了一个拓扑优化问题，旨在通过质量约束最大化刚度，这是一种常见的拓扑优化类型。在本文中，我们首先用惩罚方法制定了固体各向同性材料的常规拓扑优化。接下来，我们使用 CNN 制定拓扑优化。最后，我们通过求解一个验证实例来证明所提出的拓扑优化方法的有效性，即旨在最大化刚度的拓扑优化问题。在本研究中，通过求解16x32单元的小设计面积的验证实例，我们得到了不同于以往拓扑优化方法的解决方案。该结果表明，通过像图像一样使用 CNN 分析密度分布，可以提取和分析结构的刚度信息以进行结构设计。这表明CNN技术可以用于结构设计和拓扑优化。该结果表明，通过像图像一样使用 CNN 分析密度分布，可以提取和分析结构的刚度信息以进行结构设计。这表明CNN技术可以用于结构设计和拓扑优化。该结果表明，通过像图像一样使用 CNN 分析密度分布，可以提取和分析结构的刚度信息以进行结构设计。这表明CNN技术可以用于结构设计和拓扑优化。