用于材料结构-性能预测的 EBSD 晶粒知识图谱表示学习
机器学习
2021-09-30 v1
摘要
微观结构是材料的重要组成部分，储存着材料的基因，对材料的物理和化学性能具有决定性影响。材料基因工程计划旨在建立材料成分/工艺、组织和性能之间的关系，以实现材料的反向设计，从而加速新材料的研发。然而，材料科学的组织分析方法，如金相分析、XRD 分析和 EBSD 分析，无法直接建立组织结构与性能之间完整的定量关系。因此，本文提出了一种新颖的数据与知识驱动的组织表示与性能预测方法，以获取定量的结构-性能关系。首先，构建基于 EBSD 的知识图谱来描述材料的介观微观结构。然后，构建基于图注意力的图表示学习网络，并将 EBSD 组织知识图谱输入该网络以获得图级特征嵌入。最后，将图级特征嵌入输入到图特征映射网络中，以获得材料的力学性能。实验结果表明，我们的方法优于传统的机器学习和机器视觉方法。
引用
@article{arxiv.2109.14248,
title = {EBSD Grain Knowledge Graph Representation Learning for Material Structure-Property Prediction},
author = {Chao Shu and Zhuoran Xin and Cheng Xie},
journal= {arXiv preprint arXiv:2109.14248},
year = {2021}
}