用于预测微观结构演化的 Monte Carlo 模拟中异常晶粒生长的图卷积网络
材料科学
2024-07-12 v2 机器学习
摘要
图神经网络的最新进展为预测异常晶粒生长的发生带来了希望，由于其明显的随机性质，这一直是一个特别具有挑战性的研究领域。在本研究中，我们生成了一个包含异常晶粒生长 Monte Carlo 模拟的大型数据集。我们训练了简单的图卷积网络来预测哪些初始微观结构会表现出异常晶粒生长，并将结果与用于相同任务的标准计算机视觉方法进行了比较。图神经网络优于计算机视觉方法，达到了 73% 的预测准确率且假阳性更少。它还提供了一些关于特征重要性以及实现预测性能最大化所需相关长度尺度的物理见解。对 Monte Carlo 模拟中不确定性的分析为该领域正在进行的工作提供了额外的见解。
引用
@article{arxiv.2110.09326,
title = {Graph convolutional network for predicting abnormal grain growth in Monte Carlo simulations of microstructural evolution},
author = {Ryan Cohn and Elizabeth Holm},
journal= {arXiv preprint arXiv:2110.09326},
year = {2024}
}
备注
14 pages, 10 figures