本文综述逆向设计方法，涵盖仿真学习、图神经网络和去噪扩散模型，用于流体动力学等工程设计以减少模拟调用。研究提出多精度评估与机器学习协同优化，节省计算资源并加速收敛；并介绍基于扩散概率的超材料反设计、生成模型在分子与光子学中的应用，以及扩散模型条件化与组合生成的改进。