基于条件 U-Net 的能量材料冲击响应的多保真度预测模型
材料科学
2026-01-06 v1
摘要
将微结构映射到性质是材料科学的核心问题。或许最著名的例子是 Hall-Petch 关系，将平均晶粒尺寸与强度相关联。更具挑战性的是推导那些依赖于细微微结构特征而非平均特征的性质关系。其中一个例子是能量材料在动力学加载下的启动，由能量在微结构特征（如孔隙、裂纹和界面）上的局部化所主导。我们提出一种条件卷积神经网络，用于预测冲击导致的温度场随冲击强度的变化，涵盖广泛的微结构范围，并通过两种不同的仿真方法获得。所提出的模型称为 MISTnet2，显著扩展了仅限于单一冲击强度、单一模型和单一类型微结构的先前工作。MISTnet2 有助于构建原子尺度模型与粗粒度仿真之间的桥梁， enable 对该类材料的爆炸启动和安全性进行首次原理预测。
引用
@article{arxiv.2601.02327,
title = {Multi-Fidelity Predictive Model for Shock Response of Energetic Materials Using Conditional U-Net},
author = {Brian H. Lee and Chunyu Li and Aidan Pantoya and James P. Larentzos and John K. Brennan and Alejandro Strachan},
journal= {arXiv preprint arXiv:2601.02327},
year = {2026}
}