图神经网络用于预测硬磁性微结构的 coercivity
计算物理
2025-07-01 v1
摘要
图神经网络 (GNN) 是预测大型多晶结构磁性属性的有前景的工具，可加快稀土免费永磁体的搜索速度。在本文中，我们使用自己的磁性仿真数据训练一个 GNN 来预测硬磁性微结构的 coercivity。我们评估了训练好的 GNN 的性能并量化其不确定性。随后，我们重用 GNN 架构用于预测最大能量积。也将按照观察到的 coercivity 随系统尺寸变化的规律进行特征工程，进行超出分布的 coercivity预测。
关键词
引用
@article{arxiv.2506.23615,
title = {Graph Neural Networks to Predict Coercivity of Hard Magnetic Microstructures},
author = {Heisam Moustafa and Alexander Kovacs and Johann Fischbacher and Markus Gusenbauer and Qais Ali and Leoni Breth and Thomas Schrefl and Harald Oezelt},
journal= {arXiv preprint arXiv:2506.23615},
year = {2025}
}
备注
24 pages, 15 figures