适配 U-Net 用于多晶 Zr 微结构中的线弹性应力估计
材料科学
2023-03-16 v1 机器学习
摘要
提出一种 U-Net 卷积神经网络架构的变体，用于估计 a-Zr（hcp）多晶晶粒结构中的线弹性相容应力。训练数据使用 VGrain 软件生成，晶粒结构的正则度 alpha 为 0.73 且取向均匀随机，并使用 ABAQUS 通过有限元方法评估应力焊缝。初始数据集包含 200 个样本，其中 20 个留出用于训练验证。与有限元分析相比，该网络在 CPU 或 GPU 上可带来约 200 倍至 6000 倍的加速，并显著节省内存，精度仅有最高 10% 的适度下降。网络性能与晶粒结构正则度或织构无关，显示出网络超越训练集对任意 Zr 晶体结构的泛化能力。测量了使用 200 和 400 个样本训练时的性能，发现数据集规模加倍时精度提升约 10%。
引用
@article{arxiv.2303.08541,
title = {Adapting U-Net for linear elastic stress estimation in polycrystal Zr microstructures},
author = {J. D. Langcaster and D. S. Balint and M. R. Wenman},
journal= {arXiv preprint arXiv:2303.08541},
year = {2023}
}