热微结构设计的主要目标在于实现对热流的精确调控。为此，文章提出了OpenTM——一种基于GPU的开源框架，用于通过对目标热导率进行逆向优化，设计具有周期性特征的三维高分辨率热微结构。为了在保证数值稳定性的同时避免显著增加内存占用，我们在最优准则法中引入了自适应体积分数策略。在分辨率为 Nx×Ny×Nz 的计算条件下，每次迭代在NVIDIA Tesla P40 GPU上的运行时间不超过12秒，峰值内存占用为10.78 GB。作者已公开发布这一开源的高性能实现，代码位于 https://github.com/quanyuchen2000/OPENTM，并支持通过Anaconda便捷安装。框架同时提供了Python接口，使得非C/C++用户也能方便地使用。本工作展现了OpenTM作为一种高效工具在热微结构快速拓扑优化方面的强大潜力，有助于推动其在热管理中独特性能的进一步探索与应用。

01  研究内容简介

本研究聚焦于热微结构即通过人工设计来精确调控热量流动路径的先进功能材料，在计算设计与优化工具层面的关键空缺。尽管热学超材料等概念在热隐身、热聚焦等领域展现出巨大潜力，其实际应用却受限于缺乏高效、易用且开源的计算框架。现有方法在处理三维、高分辨率结构时，普遍面临计算规模庞大、严重依赖高性能计算集群以及代码封闭导致的研究门槛高等问题。这极大地阻碍了新型热管理材料的快速探索与创新。为解决这一核心瓶颈，本研究开发并开源了一个突破性的计算框架。本研究核心贡献是提出了OpenTM，一个基于单块图形处理器（GPU）的开源、大规模热微结构设计框架。该框架实现了三大关键创新：首先，在算法层面，研究者在经典最优准则法中创新性地引入了自适应体积分数策略，在确保数值稳定性的同时，有效避免了传统方法中常见的内存爆炸问题，将峰值内存占用控制在较低水平（如在1.34亿单元规模下约为10.78GB）。其次，在计算架构上，OpenTM通过高度优化的并行计算，实现了在单块NVIDIA Tesla P40 GPU上完成超高分辨率（如512x512x512）设计的卓越效率，每次优化迭代时间缩短至12秒以内，首次使桌面级工作站胜任此类大规模计算成为可能。最后，在用户体验上，框架不仅提供完整的开源代码和详尽的文档，还通过封装Python接口和支持Anaconda一键安装，极大地降低了非专业计算人员的上手难度，促进了跨学科应用。

OpenTM框架的发布，标志着热微结构设计领域向民主化、高性能和开源协作迈出了关键一步。它不仅仅是一个工具，更是一个旨在加速材料发现的研究平台。其技术优势直接转化为了显著的应用潜力：研究人员可以基于此平台，以前所未有的速度和灵活性，逆向设计出匹配特定目标热导率张量的复杂三维微结构，从而系统性地探索各类奇异热学功能。该框架的开源特性也将鼓励全球学术界和工业界进行验证、改进与应用，共同推动下一代热管理材料、热信息器件及高效能源系统的研发进程。

03  资助信息

04  原文信息

05  原文链接

https://www.sciencedirect.com/science/article/pii/S2772810225000480

06  期刊简介

Smart Materials in Manufacturing (SMMF) 是一本跨学科的开放获取型国际期刊。期刊主要关注最新型嵌入式功能材料的制造、加工及创新，聚焦现有及最前沿的处理新型材料及系统的制造技术。期刊主编由RMIT University的Cuie Wen教授担任。

SMMF主要刊发原创研究论文、权威评论和最前沿的研究理论及观点。涉及研究领域包括但不限于结构层次、仿生学、受控相位形成、结构适应性、形状记忆和变形能力、刺激响应、针对目标应用、传感和驱动的改进和定制特性。

所有投至期刊的文章均经过严格、高水平的同行评审，一经收录将发表在月活用户超过2000万的ScienceDirect平台，供领域内的学者、及全球读者免费阅读、下载及引用。欢迎广大师生、学者朋友们积极投稿！

目前，期刊已被DOAJ，ESCI，Scopus，CAS(美国化学文摘)，Ei Compendex，EBSCO及INSPEC等数据库收录，且SCImago排名Q1区。