面向极端气动-化-热-力学情景的 AI 增强多尺度材料信息学框架——Lumina
计算物理
2026-05-21 v1 数据分析、统计与概率
摘要
涉及极端气动-化-热-力学情景的预测仿真和实验设计需要跨越多种物理状态的高保真材料表征。然而金属、聚合物以及燃料弹、炸药和火器具（PEP）等材料的数据仍然分散，阻碍了为配方师、实验设计者和仿真工程师提供可追溯的材料表征。本 work 引入 Lumina，一个基于 Python 的模块化信息学框架，用于在统一的数据仓库中集中管理从原子尺度模拟数据集到宏观实验记录的多尺度材料数据。Lumina 采用基于层次 XML 的模式和动态运行时解析机制，以实现模式无关的参数提取。除存储功能外，平台提供计算模块用于可视化模型拟合，使实验设计者能够优化实验设计（DoE），配方师能够针对基准进行化学行为验证。这种结构化架构为训练机器学习模型和提高预测仿真精度提供了高保真数据管道。为简化多学科工作流程，Lumina 集成了用于智能材料检索和自然语言查询的对话式 AI 助手。通过将多尺度数据整合为可扩展生态系统，Lumina 为数据驱动的发现和先进防务与航空航天工程中的预测建模提供了可扩展的基础。
引用
@article{arxiv.2605.21172,
title = {Lumina: An AI-Augmented Multiscale Material Informatics Framework for Extreme Aero-Chemo-Thermo-Mechanical Regimes},
author = {Pradeep Kumar Seshadri and Vigneshwaran N and Sudaroli Dhananjeyan and Karthikeyan S and Navbila K and Sridhar S and Subhadevi K and Hari Sree Charan H and Abdul Azeez A and Jeswin Mickle and Harsha C},
journal= {arXiv preprint arXiv:2605.21172},
year = {2026}
}
备注
This work was presented in High Energy Materials Conference & Exhibition 2026 and subsequently published in its proceedings