PSP-GEN：通过深度生成概率模型进行 Process-Structure-Property 链的随机逆转
材料科学
2024-08-05 v1 数学物理
math.MP
摘要
逆向材料设计是材料科学中的核心挑战，具有广泛的行业应用。传统方法通常只逆转结构-属性 (SP) 联系，以识别具有目标属性的微结构，却忽视了生产工艺的可行性，导致可能无法制造的微结构。实现所需属性和可实现的制造程序的同时性， necessitates 逆转整个 Process-Structure-Property (PSP) 链。然而，这一任务面临诸多挑战，包括整个建模链中的随机性、微结构和工艺参数的高维度，以及逆问题的固有欠定性。本文提出了一种新框架，命名为 PSP-GEN，旨在实现以目标为导向的材料设计，通过深度生成模型有效地解决上述挑战。该方法使用两组连续的、具有微结构和属性感知能力的潜变量，其中第一组提供捕捉微结构生成随机性的低维表示，而第二组则直接关联加工参数。这种结构化的低维嵌入不仅简化了高维微结构数据的处理，也促进了梯度优化技术的应用。我们在两个相材料的逆向设计中展示了该方法的有效性与效率，其中目标是设计具有目标有效渗透性的微结构。我们比较了在数据有限、目标属性区域无训练数据以及工艺参数和微结构具有高维表示的设计任务中的最先进方法。
引用
@article{arxiv.2408.01114,
title = {PSP-GEN: Stochastic inversion of the Process-Structure-Property chain in materials design through deep, generative probabilistic modeling},
author = {Yaohua Zang and Phaedon-Stelios Koutsourelakis},
journal= {arXiv preprint arXiv:2408.01114},
year = {2024}
}