从加工方法预测材料微观结构的条件生成模型
图像与视频处理
2019-10-08 v1 材料科学
机器学习
机器学习
摘要
材料的微观结构构成了可控的加工条件与工程应用主要关注的材料性能之间的桥梁。因此材料设计中的一项关键任务是建立加工-结构关系，这需要领域专业知识以及能够建模高维材料微观结构的技术。本工作提出一种基于深度学习的方法，将加工-结构关系建模为条件图像合成问题。具体而言，我们开发了带梯度惩罚的辅助分类器Wasserstein GAN(ACWGAN-GP)，以在给定加工条件下合成微观结构。该方法无需特征工程，仅需少量领域知识，并适用于广泛的材料体系。我们使用超高碳钢(UHCS)数据库展示了该方法，其中每个微观结构都标注了其所经历冷却方法的标签。我们的结果表明，ACWGAN-GP能为给定冷却方法合成高质量多相微观结构。
引用
@article{arxiv.1910.02133,
title = {A Conditional Generative Model for Predicting Material Microstructures from Processing Methods},
author = {Akshay Iyer and Biswadip Dey and Arindam Dasgupta and Wei Chen and Amit Chakraborty},
journal= {arXiv preprint arXiv:1910.02133},
year = {2019}
}