AI利用物理感知生成金属微结构：一种新的材料逆向设计方法
2026.09.30 · 事件 · 论文 · 论文预印本
西北工大团队用物理感知机器学习，从25组数据逆向设计出双峰晶粒结构。
西北工业大学团队在《Nature Communications》发表研究，提出物理感知机器学习框架，仅用25组Inconel 625实验数据，通过VAE与NSGA-II在潜空间逆向搜索同时提高强度与延展性的微结构。生成结构出现训练数据中不存在的双峰晶粒尺寸分布，部分超细晶粒面积不超过0.4 μm²，并经CPFE模拟与EBSD实验验证。
- 仅用25组实验数据训练生成模型
- 损失函数拆为像素、边界、结构三部分
- VAE结合NSGA-II在潜空间逆向搜索
- 生成结构出现双峰晶粒尺寸分布
- CPFE模拟与EBSD实验验证结果一致
为什么值得看
展示数据高效、物理可解释的微结构逆向设计新路径。
适合谁关注
材料科学、机器学习交叉领域研究者与工程师。