NSGAN：一种基于非支配排序优化的生成对抗设计框架用于合金发现
材料科学
2024-03-20 v1 化学物理
计算物理
摘要
新材料的设计与发现是推动科技进步与创新的基础。近期出现的材料基因组概念，通过系统利用数据进行高效预测和优化优质材料，有望彻底变革材料科学。然而，材料基因组方法可能因设计空间的巨大复杂性而受阻，这通常需要大量计算资源和复杂的数据处理能力。为应对这些挑战，本文引入了一种新颖的生成设计框架，称为基于非支配排序优化的生成对抗网络（NSGAN）。NSGAN利用遗传算法（GA）与生成对抗网络（GAN）的协同效应，为解决高维多目标优化设计问题提供了一种稳健且高效的方法。为验证所提框架的有效性，我们将该模型应用于一个全面的铝合金数据集。此外，还创建了一个在线工具作为补充资源，为更广泛的科学界提供该创新方法的简要介绍。本研究探索了预测性和数据驱动方法在材料设计中的潜力，为材料科学领域的广泛应用指明了一条有前景的路径。
引用
@article{arxiv.2403.12495,
title = {NSGAN: A Non-Dominant Sorting Optimisation-Based Generative Adversarial Design Framework for Alloy Discovery},
author = {Zhipeng Li and Nick Birbilis},
journal= {arXiv preprint arXiv:2403.12495},
year = {2024}
}
备注
28 pages