CALPHAD模型参数的解析梯度优化
材料科学
2025-05-06 v1
摘要
CALPHAD（CALculation of PHAse Diagrams）模型的校准涉及解决一个非常具有挑战性的高维多目标优化问题。传统的参数拟合方法主要依赖于无梯度方法，虽然稳健，但计算效率低下且随模型复杂度而扩展不良。本文我们引入并演示了一个由Jansson导数技术最近形式化后启用的CALPHAD模型参数解析梯度优化的通用框架。该方法允许高效评估热力学属性在平衡状态下相对于模型参数的梯度，即便在存在任意复杂内部自由度的情况下亦然。利用这些半解析梯度，我们采用共轭梯度（CG）方法优化四个二元合金系统的参数：Cu-Mg、Fe-Ni、Cr-Ni和Cr-Fe。在所有系统中，CG实现了与贝叶斯集合马尔可夫链蒙特卡拉（MCMC）相当或更优的优化效果，计算效率提升范围为一个数量级到三个数量级。我们的结果确立了CALPHAD评估的新范式，即在确定性梯度导数算法的帮助下，数据丰富的高保真模型校准变得可实现。
引用
@article{arxiv.2505.01585,
title = {Analytical Gradient-Based Optimization of CALPHAD Model Parameters},
author = {Courtney Kunselman and Brandon Bocklund and Richard Otis and Raymundo Arroyave},
journal= {arXiv preprint arXiv:2505.01585},
year = {2025}
}