Q-RBSA：基于高效四元数Transformer网络的高分辨率三维EBSD图谱生成
机器学习
2023-03-21 v1 人工智能
计算机视觉与模式识别
摘要
获取三维材料微观结构信息耗时、昂贵且耗能。串行截面仪器能力的发展加速了三维数据的获取；然而，对于晶体学信息，电子背散射衍射（EBSD）成像方式仍是速率瓶颈。我们提出一种基于物理的高效深度学习框架，以降低采集三维 EBSD 图谱的时间与成本。我们的框架使用四元数残差块自注意力网络（QRBSA），从稀疏截面的 EBSD 图谱生成高分辨率三维 EBSD 图谱。在 QRBSA 中，四元数值卷积有效学习取向空间中的局部关系，而四元数域中的自注意力捕捉长程关联。我们将该框架应用于从商用相关钛合金收集的三维数据，从定性与定量上表明，相比高分辨率真值三维 EBSD 图谱，我们的方法能够预测缺失样本（稀疏截面映射点之间的 EBSD 信息）。
引用
@article{arxiv.2303.10722,
title = {Q-RBSA: High-Resolution 3D EBSD Map Generation Using An Efficient Quaternion Transformer Network},
author = {Devendra K. Jangid and Neal R. Brodnik and McLean P. Echlin and Tresa M. Pollock and Samantha H. Daly and B. S. Manjunath},
journal= {arXiv preprint arXiv:2303.10722},
year = {2023}
}