卢冬成，计算数学专业2020级硕士生，研究方向为结构拓扑优化，参赛成果为基于降阶模型的大规模结构拓扑优化研究，指导教师为肖曼玉副教授。
成果创新点：（1）针对大规模结构拓扑优化问题中的高维线性系统求解，结合主成分分析法 PCA，提出一种缩减解动态更新的动态 PCA 降阶模型策略，极大地减低了计算成本，提升了整体优化设计效率，为大规模拓扑优化的学术研究和工程应用提供了一定参考价值；（2）在成果 （1）的基础上，利用多重网格法 MG 将大规模有限元平衡方程分布于不同粗细
水平的网格上求解，提出一种多保真动态 PCA 降阶模型策略，大大缓解了样本反复更新带来的计算压力，在保证目标精度前提下进一步提升了整体优化效率；（3）针对如何加速大规模工业问题的结构拓扑优化设计程序，本文全面回顾了近十年来的各种技术方法，包括重分析方法、多重网格法、降阶模型法、等几何拓扑优化法、以及机器学习和神经网络在内的新兴方法，阐述了其基本原理、分析了其优缺点，为工程师提供了对这些研究领域的深度理解和批判性评价。