這一研究的核心在于雙連續復合結構的快速生成和在負載時的應力分布分析。該團隊通過微調低秩自適應模型，使得生成式AI能夠使用較少的輸入數據進行訓練，從而產生具備指定力學性能的合成復合結構及其相應的von Mises應力分布。

這項技術能夠方便地生成大量的復合材料設計方案，并從中提取出有用的力學信息。這些信息被整合到一個模型中，用以預測材料的剛度、斷裂性能和魯棒性等關鍵力學特性。這些特性的評估通常需要依賴于多個不同的實驗或模擬測試。因此，這項研究為復合材料設計的改進提供了有價值的見解，不僅擴大了設計空間，還實現了復合材料設計的自動篩選，進一步提升材料的力學性能。這一成就標志著材料設計領域的一個重要進步，尤其是在處理復雜、無序分布的材料時。隨著AI算法在材料設計領域的顯著發展，科學家現在能夠探測到隱藏在復雜結構背后的結構力學相關性，這對于設計具有復雜結構的復合材料至關重要。此項研究不僅展示了AI工具在復合材料設計中的應用潛力，也為未來的材料科學研究開辟了新的道路。