В рамках текущего проекта анализированы различные современные исследования в области вычислительного ускорения методов ТО, классифицированы и оценены тренды исследований на международном уровне. Таким образом, результат работы ясно показывает, что более ранние работы опирались на методы вычислительного ускорения на основе центрального процессора (CPU), в то время как последние исследования в основном рассматривают подходы на основе графического процессора (GPU) и машинного обучения (ML). Кроме того, в текущем проекте мы исследовали применение методов ML для вычислительного ускорения оптимизации топологии. Мы протестировали и сравнительно проанализировали 3 типа улучшенных моделей нейронных сетей с использованием 3 различных структурированных наборов данных и достигли удовлетворительных результатов, позволяющих генерировать оптимизированные для топологии структуры в 2D и 3D доменах. В качестве реального применения ML мы решили изучить легкий вес дронов и роботизированного мягкого захвата. Кроме того, исследования дополнительно расширены для оценки влияния легкого веса на скорость потребления энергии дроном, который интегрирован с мягким захватом из четырех пальцев. В частности, представлены вариации скорости энергопотребления из-за легкого веса дрона, а также захвата с использованием различных значений параметра объемной доли в анализе оптимизации топологии аэродинамики и структуры (ASTO).