［本站讯］近日，国际计算机图形和交互技术顶级大会ACM SIGGRAPH 2026审稿结果揭晓。计算机学院交叉研究中心科研团队围绕AI赋能先进制造中的智能仿真、几何计算、可制造性分析等关键问题展开攻关，共有5篇论文被正式录用，第一作者与通讯作者单位均为山东大学。
论文“GMT: A Geometric Multigrid Transformer Solver for Microstructure Homogenization”以AI驱动的微结构智能仿真为核心，被录用为期刊论文。该方法将Point Transformer V3与多重网格架构深度融合，可显著提升微结构材料设计中均质化仿真的速度与精度。本文第一作者为山东大学博士研究生星宇，指导教师为山东大学教授吕琳和微软亚洲研究院首席研究员刘洋。
论文“Manifold k-NN: Accelerated k-NN Queries for Manifold Point Clouds”面向先进制造中三维扫描、逆向工程、质量检测等场景下的点云处理瓶颈，提出了一种基于动态规划的流形点云k近邻查询算法，被录用为期刊论文。该方法通过追踪点集Delaunay增量构建历史，有效解决了传统空间索引结构在本征维数远低于嵌入维数时的查询退化问题。本文第一作者为山东大学博士研究生王鹏飞，指导教师为山东大学教授屠长河、辛士庆。
论文“PR-Cage: Progressive Feasibility Relaxation for Tight Bounding Cage Generation”提出了一种计算三维模型包裹结构的新方法，被录用为期刊论文。该方法将包裹求解转化为壳层约束下的网格简化问题，有效缓解了简洁性与贴合性之间的固有矛盾，广泛应用于先进制造中的三维模型轻量化、碰撞检测、装配仿真、模具设计等关键环节。本文第一作者为山东大学博士研究生温汇彪，指导教师为辛士庆教授。
论文“Structural MAT: Clean and Scalable Medial Axis Simplification via Explicit Surface Correspondence”提出了一种鲁棒计算三维模型中轴面的新方法，被录用为期刊论文。该方法动态维护表面对应关系，抑制噪声干扰，生成边界规整的高质量中轴面，并精确捕捉圆角区域的滚球中心线轨迹，可直接服务于先进制造的特征识别、结构分析等方面，提升复杂零件的智能设计与分析能力。本文第一作者为王鹏飞，指导教师为屠长河教授、辛士庆教授。
论文“DeepMill++: Neural Guidance Meets Rasterization for Efficient Accessibility Analysis”聚焦减材制造中的刀具可达性分析问题，被录用为会议论文。该方法提出一种神经网络引导与光栅化渲染相融合的混合框架，可在严格保证无碰撞的前提下实现高效分析，可直接服务于先进制造的复杂几何的装夹规划、路径规划等方面。本文共同第一作者为山东大学博士研究生钟凡超、四川农业大学硕士研究生张尧，指导教师为山东大学教授赵海森、吕琳、屠长河和北京大学助理教授王鹏帅。
ACM SIGGRAPH是迄今为止世界上影响最广、规模最大，也是最权威的集科学、技术、艺术、商业于一身的图形学技术展示和亚娱体育官方网站会议。被录取的文章分Journal Accept和Conference Accept两种类型，前者将同时刊登在图形学顶级期刊ACM Transactions on Graphics；该期刊是中国计算机学会（CCF）推荐的计算机图形学与多媒体领域A类期刊，中科院分区为SCI 1区Top，影响因子为7.8。
