基于多保真高斯过程建模在材料参数空间中低成本搜索低误差区域
材料科学
2020-08-19 v1 机器学习
计算物理
机器学习
摘要
关于析出相形状的信息对于估算材料参数至关重要。因此，我们考虑估算材料参数空间中的一个区域，在该区域内计算模型产生的析出相形状与实验图像中观察到的形状相似。该区域称为低误差区域 (LER)，反映了析出相形状中所包含的材料固有信息。然而，LER 估算的计算成本可能很高，因为需要多次精确计算模型以更好地探索参数。为克服这一困难，我们采用了基于高斯过程的多保真建模，其中训练数据可从具有不同精度水平（保真度）的多个计算中采样。低保真样本可能精度较低，但计算成本低于高保真样本。我们提出的采样过程迭代地确定最具成本效益的点与保真度级别的组合，以提高 LER 估算的精度。我们通过对 Mg 基合金中 MgZn2 与 {\alpha}-Mg 相之间界面能和晶格失配的估算，证明了本方法的效率。结果表明，获得准确 LER 估算所需的采样成本可大幅降低。
引用
@article{arxiv.2003.13428,
title = {Cost-effective search for lower-error region in material parameter space using multifidelity Gaussian process modeling},
author = {Shion Takeno and Yuhki Tsukada and Hitoshi Fukuoka and Toshiyuki Koyama and Motoki Shiga and Masayuki Karasuyama},
journal= {arXiv preprint arXiv:2003.13428},
year = {2020}
}
备注
23 pages, 6 figures