{首页主词},&

西工大頂刊《Acta Materialia》高效高精度的微觀組織重構新方法！

2022-08-16 11:56:24 作者：材料科學與工程來源：材料科學與工程分享至：

工藝過程、結構和性能是材料科學和工程領域的三個主要研究內容，在逆向設計過程中，發展高效可靠的預測能力是實現信息流從所需性能到結構再到工藝過程的關鍵，其中從低維信息重構微觀組織是性能預測、材料設計、工藝優化等重要組成部分。在微觀組織信息提取方面，兩點相關函數統計是一種嚴格且無偏的數據驅動方法，該方法克服了基于像素的微觀組織數字信息缺乏自然原點而導致的平移、旋轉不變性的缺陷，易于和先進的數據驅動方法(如主成分分析、卷積神經網絡等)耦合降維，實現微觀組織特征的低維表征。該方法已被廣泛引用于組織分析[Hu et al., J. Mater. Inf. 2(2021): 5]、性能預測[Hu et al., Mater. Des. 201(2021): 109497]等領域。然而，從統計特征反向預測或重構微觀組織仍是材料領域一項極具挑戰性的科學任務，該問題的多解性要求求解方法考慮多個約束或先驗，這些約束的施加勢必帶來高昂的計算代價，減少約束又會損失計算精度。傳統方法單一的追求精度(如模擬退火算法)或效率(如相位恢復算法，高斯隨機場方法等)，從而不具備在材料過程-結構-性能(PSP)關系研究過程中的實際應用價值。

近日，西北工業大學王錦程研究團隊提出了從兩點相關函數統計量重構微觀組織的新方法—連續再激活迭代投影(CRIP)方法，該方法通過消除孤立像素或噪聲像素使每次迭代的輸出向減少誤差的方向移動(施加相體積分數和形貌約束)，從而激活下一次循環的迭代投影過程(施加傅里葉約束)。經證明，該方法兼具高效率、高精度的特點。研究團隊將CRIP方法應用到鎳基高溫合金及雙相鋼的PSP建模過程中，并證實了其可行性。該研究成果以題“Continually reactivating iterative-projection method for instantiating microstructure from two-point statistics”發表在《Acta Materialia》。論文的第一作者為博士研究生虎小兵，碩士研究生趙佳軍為共同一作，通訊作者為王錦程教授和李俊杰副教授，西北工業大學為通訊單位。

論文鏈接：https://doi.org/10.1016/j.actamat.2022.118230

640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1&wx_co=1.jpg

如圖1所示，CRIP方法以傳統相位恢復-混合輸入輸出(HIO)算法為基礎，引入圖像處理、誤差降低及形貌最優化三個模塊，這些模塊允許耦合多個先驗約束，使每次迭代的輸出通過像素點調整的方式從而被快速更新和優化，加速算法收斂。該方法實現了輸出連續優化從而不斷激活迭代投影過程的目標，繼承了HIO算法的矩陣運算框架，具有計算高效的特點；同時，該方法以模塊化方式施加多個先驗約束，具備靈活性，克服了HIO算法不適用于輸入為周期性兩點相關函數的問題。

圖1 連續再激活迭代投影過程(CRIP)方法計算流程圖

如圖2所示，使用兩個實驗微觀組織，將CRIP方法與傳統HIO算法[Acta Mater, 56(2008): 942-948]、模擬退火算法[Phys. Rev. E, 90(2014: 023306)]比較，證明了CRIP方法兼具高效率、高精度的優勢。

圖2 CRIP方法精度-效率評估

將CRIP方法應用到鎳基高溫合金時效工藝—微觀組織關系建模，如圖3所示。進行了微觀組織低維特征分析、機器學習模型訓練及組織特征預測。

圖3 鎳基高溫合金時效條件和微觀組織特征建模及預測結果：(a)-(c) 前三個主成分基向量云圖；(d)-(e) 微觀組織在主成分空間上投影；(f) 不同機器學習模型交叉驗證精度；(g)-(i) 隨機森林模型預測和實際主成分比較

圖4對比了從預測的低維特征重構的和原始的微觀組織及其兩點自相關函數。證明了CRIP方法在實際PSP關系建模及驗證任務中應用的可行性。

圖4 預測和原始微觀組織及其兩點統計特征比較

西北工業大學材料微觀組織計算與合金設計課題組已在機器學習進行微觀組織信息提取、合金設計等領域取得顯著成果。課題組已經在Acta Mater /Scripta Mater發表論文近30篇（西工大3篇金屬頂刊：材料微觀組織演化理論研究取得重要突破）。課題組網站http://www.jchwang.com/

免責聲明：本網站所轉載的文字、圖片與視頻資料版權歸原創作者所有，如果涉及侵權，請第一時間聯系本網刪除。