Recente vooruitgang in additive manufacturing van geavanceerde materialen, b.v. metaallegeringen en vezelversterkte composieten, heeft de manier veranderd waarop technische componenten worden gefabriceerd. AM maakt de fabricage mogelijk van ongekend complexe geometriestructuren met ruimtelijk continu veranderende materiaaleigenschappen om in een korte bouwcyclus een bepaalde functie optimaal te vervullen. Dit voorstel is om een efficiënt topologie-optimalisatieraamwerk (TO) te bedenken dat de vormvrijheid van AM van metalen roosterstructuren en FRC's optimaal benut om lichtgewicht high-end thermische resistente toepassingen te creëren. Vooral het thermomechanische gedrag van roosterstructuren en FRC's kan anisotroop zijn, d.w.z. ze gedragen zich anders in verschillende materiaaloriëntaties. TO van die toepassingen is dus een grote uitdaging vanwege de sterke koppelingen tussen thermische en mechanische velden en tussen de structurele topologie en de materiaaloriëntatie. Bovendien is TO een iteratief proces en dus rekenkundig duur, wat het gebruik ervan voor industriële toepassingen belemmert. Om het optimalisatieproces te versnellen, zullen verschillende moderne computationele technieken, namelijk modelorderreductie, machine learning en parallel computing worden geïntegreerd in het ontwikkelde TO-framework. Na voltooiing van dit project zal het ontwikkelde TO-raamwerk het gebruik van geavanceerde materialen in thermisch resistente toepassingen en vele andere rationaliseren.