基于晶体学索引的潜在晶体断裂面推理与生成：视觉语言模型的应用
机器学习
2026-05-26 v2 计算物理
摘要
我们研究多模态大语言模型 (MLLM) 是否可以利用晶体学面索引 (Miller 索引) 作为结构化潜在表示来推理断裂几何。我们将晶体学索引 形式化为支配理想平面断裂的潜在变量，并评估两种互补能力：(i) 潜在推理，即模型在物理上有效的条件下将视觉观察映射到面假设; (ii) 潜在适用性评估，即模型确定此类表示对给定断裂图像是否有意义。通过广泛的实验，包括合成数据、受控的 2D--3D 几何对以及来自多种材料类别（包括陶瓷、玻璃、金属和混凝土）的真实断裂图像，我们证明 MLLM 在理想化设置下能够可靠地执行潜在推理，并且关键的是，当底层物理不支持时，MLLM 能够拒绝该潜在表示。作为探索性扩展，我们进一步检查 AI 生成的断裂序列，观察到定性上合理的脆性断裂过程行为，表明多模态生成模型可能编码与材料失效动力学相关的部分隐式物理先验。这些结果表明，MLLM 可以充当以结构化潜在先验条件的物理感知推理系统，前提是显式建模该领域的有效性。
引用
@article{arxiv.2605.20416,
title = {Miller-Index-Based Latent Crystallographic Fracture Plane Reasoning and generation with Vision-Language Models},
author = {Qinwu Xu and Xiaofu Ma and Yifan Jiang},
journal= {arXiv preprint arXiv:2605.20416},
year = {2026}
}