Resumen: La inteligencia artificial (IA) está remodelando el diseño inverso en todo el dominio de fabricación, lo que permite el descubrimiento de alto rendimiento en materiales, productos y procesos. Sin embargo, los enfoques puramente basados en datos a menudo luchan en entornos realistas caracterizados por datos escasos, espacios de diseño de alta dimensión y restricciones físicas no triviales. Esta perspectiva argumenta una nueva generación de sistemas de diseño que trascienden el modelado de caja negra integrando el conocimiento del dominio, el aprendizaje informado por física e interfaces intuitivas de Human-AI. Primero demostramos cómo las estrategias de muestreo guiadas por expertos mejoran la eficiencia de los datos y la generalización del modelo. A continuación, discutimos cómo el aprendizaje automático informado por física permite un modelado físicamente consistente en regímenes de escasez de datos. Finalmente, exploramos cómo surgen modelos de idiomas grandes como agentes de diseño interactivos que conectan la intención del usuario con herramientas de simulación, tuberías de optimización y flujos de trabajo colaborativos. A través de ejemplos ilustrativos y marcos conceptuales, abogamos por que el diseño inverso en la fabricación debe evolucionar a un ecosistema unificado, donde el conocimiento del dominio, los antecedentes físicos y el razonamiento adaptativo permiten colectivamente sistemas de diseño impulsados por IA escalables, interpretables y accesibles.
Publicado Originalme en rss.arxiv.org El 2 de junio de 2025.
Ver Fuente Original
