基于单点统计表示的晶体织构的准确距离度量与织构-性能关系的机器学习
材料科学
2023-12-08 v1
摘要
金属材料的晶体织构是导致各向异性行为的关键微观结构特征，例如在成形操作中具有重要意义。在材料科学中，晶体织构通常由取向分布函数描述，该函数定义为构成多晶材料的单晶粒取向的概率密度函数。表示取向分布函数有多种方法，例如使用广义球谐函数、取向直方图和极图图像。测量晶体织构之间的距离对于任何需要评估织构相似性的任务（例如指导成形过程）至关重要。因此，我们引入了新的距离度量，基于：(i) 推土机距离，它利用基于直方图的织构表示中编码的局部距离信息；(ii) 基于极图图像的距离度量。为此，我们评估并比较了选定用例的现有距离度量。本研究深入探讨了使用特定织构表示和距离度量的优缺点，重点关注在材料设计和最优过程控制中的应用。
引用
@article{arxiv.2312.04214,
title = {Accurate Distances Measures and Machine Learning of the Texture-Property Relation for Crystallographic Textures Represented by One-Point Statistics},
author = {Tarek Iraki and Lukas Morand and Norbert Link and Stefan Sandfeld and Dirk Helm},
journal= {arXiv preprint arXiv:2312.04214},
year = {2023}
}