AlloyVAE：用于合金中复杂概率场到场关系的生成模型
材料科学
2026-04-03 v1
摘要
多主元合金（MPEAs）固有的成分异质性导致了复杂的、空间变化的力学场，这些力学场无法从粗粒度的成分描述符中唯一确定。这种非唯一性引入了本质上概率性的结构-性质关系，对将此类映射折叠为平均预测的传统确定性建模和机器学习方法构成了基本挑战。在这里，我们提出了 AlloyVAE，一个物理信息驱动的生成框架，用于从微观结构输入中学习力学场的完整条件分布。该模型基于条件变分自编码器架构，包含了用于增强功能正则性的学习平滑算子和用于确保物理合理性的自洽机制。基于原子模拟数据进行训练，AlloyVAE 准确预测了从成分和短程有序得出的残余应力场分布，并能够在相同输入条件下生成多个物理一致的实现。除了前向预测外，该框架还支持通过优化成分场来实现目标力学响应的逆向设计，并可扩展至涉及本征应变的耦合映射。通过在异质材料中捕获一对多的结构-性质关系，这项工作为材料建模和设计建立了概率范式，为在高维成分空间中导航提供了传统模拟的可扩展替代方案。
引用
@article{arxiv.2604.02281,
title = {AlloyVAE: A generative model for complex probabilistic field-to-field relationships in alloys},
author = {Ningyu Yan and Zhuocheng Xie and Kai Guo and Yejun Gu and Huajian Gao and Yang Xiang},
journal= {arXiv preprint arXiv:2604.02281},
year = {2026}
}