Resumen Técnico: Marco STORX para la Optimización de Forma y Topología

Planteamiento del Problema

La optimización de forma y topología (SO/TO) se enseña e implementa frecuentemente como familias algorítmicas distintas, a pesar de compartir un proceso computacional común que involucra la resolución del problema de estado, la evaluación de objetivos/restricciones, el análisis de sensibilidad y las actualizaciones de diseño. Los códigos educativos existentes suelen seguir un enfoque de "un script por método", donde cada algoritmo se implementa como un script monolítico adaptado a una formulación específica (por ejemplo, minimización de cumplimiento basada en densidad). Si bien este estilo es efectivo para la enseñanza de métodos individuales, oscurece las abstracciones compartidas entre SO/TO, dificulta la comparación sistemática y complica la extensión del código hacia nuevos objetivos, restricciones o físicas acopladas. Existe la necesidad de un marco unificado y de código abierto que mantenga la transparencia de los códigos de enseñanza mientras expone las comunidades estructurales entre diferentes representaciones de diseño para cerrar la brecha entre las formulaciones de los libros de texto y el software de investigación extensible.

Metodología

El artículo presenta STORX (Shape and Topology Optimization for Research and Experimentation), un marco de código abierto basado en MATLAB construido sobre principios de programación orientada a objetos (OOP). La filosofía central de diseño es la modularidad mediante la separación de la intención, utilizando clases base abstractas para definir contratos de software estables. Esto permite que nuevos funcionales de objetivo, restricciones (incluyendo restricciones de fabricación) y componentes específicos del problema se implementen como clases derivadas sin modificar la infraestructura central del resolvedor.

El marco integra cuatro componentes principales:

1. Resolvedor (Solver): Maneja la ecuación de estado (por ejemplo, Análisis de Elementos Finitos para elasticidad lineal o conducción térmica). Soporta tanto mallas de rejilla estructurada (para TO estándar) como mallas triangulares (para optimización de forma paramétrica y análisis de tensiones).
2. Optimizador: Actualiza las variables de diseño basándose en la información de sensibilidad.
3. Restricciones Físicas y Objetivos: Módulos que evalúan funcionales (por ejemplo, cumplimiento, tensión, sustentación, resistencia) y computan gradientes.
4. Restricciones de Diseño y Fabricación: Módulos que actúan sobre las variables de diseño y los campos de sensibilidad para imponer la fabricabilidad (por ejemplo, tamaño mínimo de característica, simetría, regiones retenidas).

STORX soporta un continuo de enfoques de optimización:

• Optimización de Forma Paramétrica: Controla la geometría mediante vectores de baja dimensión (por ejemplo, radio de un agujero, profundidad de un chaflán) utilizando mallas triangulares y gradientes semi-analíticos o de diferencias finitas.
• Optimización de Forma por Conjunto de Niveles (LSSO): Evoluciona las fronteras utilizando la ecuación de Hamilton-Jacobi (HJE) manteniendo una topología constante.
• Optimización de Topología (TO):
  • Basada en densidad: Utiliza esquemas de interpolación de Material Isotrópico Sólido con Penalización (SIMP) o Aproximación Racional de Propiedades de Materiales (RAMP) con actualizaciones de Criterio de Optimalidad (OC), Método de Asimptotas Móviles (MMA) o GCMMA (MMA Globalmente Convergente).
  • LSSO (Level-Set TO): Extiende LSSO introduciendo la nucleación de huecos mediante formulaciones de HJE estándar o modificadas.
  • Métodos de Sensibilidad Topológica: Incluye Optimización Estructural Evolutiva (ESO), ESO Bidireccional (BESO) y trazado de Pareto (pareTO), utilizando tanto Campos de Sensibilidad Topológica (TSF) como Campos de Sensibilidad Discretos (DSF).

El marco también soporta extensiones de multifísica, incluyendo múltiples casos de carga, peso propio (fuerzas de cuerpo) y conducción térmica, así como optimización de topología de fluidos mediante una clase envolvente (wrapper) que acopla resolvedores de Navier-Stokes con actualizaciones basadas en densidad.

Principales Contribuciones

El artículo describe cinco contribuciones primarias:

1. Plataforma Computacional Unificada: Permite comparaciones controladas entre métodos de optimización de forma, de conjunto de niveles y de topología bajo condiciones físicas y numéricas consistentes.
2. Soporte de Geometría 2D General: Va más allá de los dominios rectangulares estándar para soportar problemas complejos definidos por fronteras utilizando modelos de Representación de Frontera (B-Rep).
3. Arquitectura Altamente Modular: Desacopla los resolvedores de las definiciones de los problemas, facilitando la implementación rápida de nuevos objetivos y restricciones mediante la herencia en lugar de reescribir rutinas centrales.
4. Implementación Vectorizada Eficiente: Cuenta con rutinas vectorizadas para la eficiencia computacional, junto con implementaciones opcionales de bucles anidados explícitos para la transparencia pedagógica.
5. Entorno de Prototipado Flexible: Permite probar nuevos algoritmos, modelos de materiales y restricciones sin alterar la infraestructura subyacente del resolvedor.

Resultados y Demostraciones

El artículo valida STORX a través de una serie de problemas de referencia y estudios comparativos:

• Verificación de Precisión: Los resultados de FEA basados en rejilla se compararon con discretizaciones de malla triangular para un ejemplo de pinza (gripper), mostrando un acuerdo cercano (discrepancias del orden de unos pocos por ciento) en las predicciones de desplazamiento y tensión.
• Optimización de Forma: Se demostraron la optimación de forma paramétrica y de conjunto de niveles en vigas en voladizo y pinzas. El método de gradiente semi-analítico para mallas triangulares mostró una reducción en el costo computacional en comparación con las diferencias finitas directas.
• Benchmarks de Optimización de Topología: Se resolvieron varios problemas 2D (vigas en voladizo, soportes en L, vigas MBB) utilizando diversos métodos de TO.
  • TO Basada en Densidad: Las comparaciones entre la interpolación SIMP/RAMP y las actualizaciones OC/MMA/GCMMA mostraron compensaciones entre el costo computacional y los valores de cumplimiento final. El análisis de tiempo de ejecución indicó que, aunque STORX incurre en un exceso de aproximadamente un 60-68% por iteración en comparación con códigos altamente especializados como top88 debido a su arquitectura modular, sigue siendo competitivo (aproximadamente 0.4s por iteración para 50,000 elementos).
  • Level-Set vs. Sensibilidad Topológica: Las comparaciones entre los métodos estándar de HJE, HJE modificado, ESO, BESO y pareTO revelaron que los enfoques de trazado de Pareto generalmente lograban valores de cumplimiento más bajos y diseños intermedios más robustos al construir explícitamente soluciones óptimas de Pareto.
• Restricciones de Fabricación: El marco impuso con éxito tamaños mínimos de característica, regiones retenidas y simetría, produciendo diseños que fueron posteriormente impresos en 3D para verificar la realizabilidad física.
• Extensiones de Multifísica: El marco se extendió para manejar múltiples casos de carga (mostrando una mayor robustez sobre diseños de carga única), carga de peso propio (ejemplo de puente), conducción térmica (flujo de calor y generación interna) y flujo de fluidos (optimización de sustentación/resistencia en curvas de tubería y perfiles alares).

Significado y Reivindicaciones

El artículo posiciona a STORX no como un tratado exhaustivo sobre la teoría de elementos finitos, sino como un entorno cohesivo, extensible y transparente para interactuar con métodos modernos de SO/TO. Su importancia radica en:

• Valor Educativo: Sirve como una herramienta para cursos de posgrado, permitiendo a los estudiantes implementar y extender métodos de optimación de forma práctica. La estructura modular se utilizó con éxito en un curso en la Universidad de Kansas para enseñar conceptos como las restricciones de fracción de volumen local.
• Prototipado de Investigación: Proporciona una base para la experimentación rápida donde el desarrollo de métodos requiere extensiones y verificaciones frecuentes. La separación de intereses permite a los investigadores probar nuevas físicas o restricciones sin desestabilizar el resolvedor central.
• Reproducibilidad: Al mapear las formulaciones matemáticas directamente a código ejecutable dentro de una estructura de objetos consistente, STORX reduce la barrera entre la comprensión conceptual y los experimentos computacionales reproducibles.

Los autores enfatizan que el marco está diseñado para ser accesible y editable, fomentando las contribuciones y la adopción de la comunidad tanto en la investigación como en la instrucción.