应用机器学习预测应力热点 I：面心立方材料

我们通过整合基于全场晶体塑性的变形模型与机器学习技术，研究多晶材料在单轴拉伸变形下应力热点的形成，以获得关于微观结构性质的数据驱动洞察。我们创建了代表通用铜合金单相等轴晶微观结构的合成三维微观结构。使用具有速率敏感晶体塑性的三维全场、基于图像的快速傅里叶变换（FFT）技术模拟单轴拉伸变形，以获得局部微观力学场（应力和应变率）。应力热点被定义为应力值高于应力分布第 90 百分位的晶粒。然后使用反映局部晶体学、几何和连通性的度量来表征热点邻域。该数据用于创建输入特征向量，以训练随机森林学习算法，其预测将变为应力热点的晶粒。对于基于通用铜合金建模的面心立方材料，我们能够实现接收者操作特征曲线下面积（ROC-AUC）为 0.74。结果显示了应用于多晶晶粒网络的机器学习方法的威力与局限性。