MicroEvoEval：面向图像基微观结构演化预测的系统评估框架
材料科学
2025-11-19 v2 计算机视觉与模式识别
机器学习
摘要
模拟微观结构演化（MicroEvo）对于材料设计至关重要，但要求高数值精度、高效能且保持物理忠实性。尽管近期深度学习（DL）研究为传统求解器提供了有前景的替代方案，但该领域缺乏标准化基准测试。现有研究存在缺陷：缺乏将专门的 MicroEvo DL 模型与最先进的时空架构进行比较，过度强调数值精度而忽视物理忠实性，以及未分析误差随时间的传播。为此，我们引入 MicroEvoEval，这是第一个全面的图像基微观结构演化预测基准。我们在四个代表性 MicroEvo 任务上评估了 14 个模型，涵盖特定于领域的模型和通用架构，数据集专为短期和长期评估而结构化。我们的多维评估框架超越数值精度和计算成本，纳入旨在评估物理忠实性的精选结构保持指标。我们的广泛评估结果披露了若干关键见解。值得注意的是，我们发现现代架构（如 VMamba）不仅实现了卓越的长期稳定性和物理忠实性，而且计算效率提升了一个数量级。这一结果凸显了整体评估的必要性，并将这些现代架构 identified 为数据驱动材料科学中开发高效可靠替代模型的高度有前景的方向。
引用
@article{arxiv.2511.08955,
title = {MicroEvoEval: A Systematic Evaluation Framework for Image-Based Microstructure Evolution Prediction},
author = {Qinyi Zhang and Duanyu Feng and Ronghui Han and Yangshuai Wang and Hao Wang},
journal= {arXiv preprint arXiv:2511.08955},
year = {2025}
}
备注
Accepted by AAAI 2026