FluxGAN：一种用于生成保持目标热通量微结构的物理感知生成对抗网络模型
无序系统与神经网络
2023-10-10 v1 机器学习
摘要
我们提出了一种物理感知生成对抗网络模型 FluxGAN，能够同时生成大尺寸微结构的高质量图像及其热学特性描述。在训练阶段，该模型通过学习局部结构特征与物理过程（如由外部温度梯度引起的微结构中的热通量）之间的关系。一旦训练完成，该模型即可生成新的结构及相关的热通量环境，从而避开计算昂贵的建模过程。相比有限元法（FEM）等传统建模技术，我们的模型为描述微结构热学特性提供了一种经济高效的方法。传统方法所需的计算建模随微结构模型尺寸而扩展，因此将仿真限制在给定尺寸、分辨率和模型复杂度内。相比之下，FluxGAN 模型采用分块合成方法，以低计算成本生成任意大尺寸图像。我们展示了该模型可用于生成满足目标热学特性的热喷涂涂层设计。此外，该模型在二维（2D）样本上训练后，能够生成三维（3D）域中的涂层微结构和物理过程。我们的方法有望变革面向多种应用的热喷涂涂层设计与优化，包括飞机或地面发电机燃气轮机的高温长时运行。
引用
@article{arxiv.2310.04622,
title = {FluxGAN: A Physics-Aware Generative Adversarial Network Model for Generating Microstructures That Maintain Target Heat Flux},
author = {Artem K. Pimachev and Manoj Settipalli and Sanghamitra Neogi},
journal= {arXiv preprint arXiv:2310.04622},
year = {2023}
}
备注
16 pages, 11 figures