利用神经元胞自动机从统计描述子重构微结构
材料科学
2023-09-29 v1
摘要
复杂材料微结构的计算机生成问题已从仿真、马尔可夫、深度学习和基于描述子等多种途径加以研究。本工作提出一种受上述四类方法启发且具有良好可扩展性的混合方法。训练一个神经元胞自动机，使其基于局部信息演化微结构。与多数基于机器学习的方法不同，它不直接需要参考显微图像数据集，而是从可源自单一参考的统计微结构描述子进行训练。这意味着训练代价仅随结构及关联描述子的复杂度而缩放。由于重构结构的大小可在推断时设定，即便极大型结构也能高效生成。类似地，若需从同一描述子重构多个结构以作统计评估，该方法亦非常高效。借助多种数值实验，我们对方法予以详尽表述与讨论，展示其效用与可扩展性。
引用
@article{arxiv.2309.16195,
title = {Reconstructing microstructures from statistical descriptors using neural cellular automata},
author = {Paul Seibert and Alexander Raßloff and Yichi Zhang and Karl Kalina and Paul Reck and Daniel Peterseim and Markus Kästner},
journal= {arXiv preprint arXiv:2309.16195},
year = {2023}
}