DA-VEGAN：可微分增强 VAE-GAN 以从极少量数据集重建微结构
机器学习
2023-03-08 v1
摘要
微结构重建是一个重要且新兴的研究领域，也是改进逆向计算材料工程（ICME）的基本基础。该领域近期许多进展基于生成对抗网络（GANs）。尽管在多种材料上取得了优异结果，模型潜空间的可解释性以及对极少量数据集的适用性问题仍具挑战。本工作通过引入 DA-VEGAN 解决这些问题，该模型有两项核心创新。首先，将 -变分自编码器纳入混合 GAN 架构，允许通过额外参数 惩罚潜空间中的强非线性。其次，为此架构专门开发了定制的可微分数据增强方案。可微分性使模型能够从极少量数据集中学习，而不会发生模式崩溃或样本质量退化。在多种结构上的广泛验证展示了该方法的潜力，并讨论了未来的研究方向。
引用
@article{arxiv.2303.03403,
title = {DA-VEGAN: Differentiably Augmenting VAE-GAN for microstructure reconstruction from extremely small data sets},
author = {Yichi Zhang and Paul Seibert and Alexandra Otto and Alexander Raßloff and Marreddy Ambati and Markus Kästner},
journal= {arXiv preprint arXiv:2303.03403},
year = {2023}
}