利用卷积神经网络预测冲击载荷作用下微观结构中晶界空洞的形核位置

《ACTA MATERIALIA》:Predicting grain boundary void nucleation sites in microstructure during shock loading with convolutional neural networks

【字体: 大 中 小 】 时间:2026年03月27日 来源:ACTA MATERIALIA 9.3

编辑推荐:

  空位成核预测研究采用改进的U-Net卷积神经网络,通过晶界能量和晶粒取向等多通道输入,结合焦点损失解决类别不平衡问题,有效预测了高应变率加载下纯钽微结构的空位成核概率,并揭示了多因素交互作用机制。

  
该研究聚焦于高应变率加载下金属材料的空位形核机制,针对传统实验与分子动力学模拟在揭示微观机理上的局限性,创新性地引入基于注意力机制的卷积神经网络(U-Net+Attention)开展预测分析。研究团队通过 Plate Impact 实验获取57张含空位形核的显微图像,结合电子背散射衍射(EBSD)技术重构材料原始晶格结构,并采用晶格匹配算法计算晶界能量分布。这种多源数据融合的预处理方法有效解决了冲击载荷下材料发生塑性变形导致的图像畸变问题。

在模型架构设计上,研究突破传统U-Net的单一输入模式,构建四通道输入体系:其中两个通道分别表征晶界能量分布与晶粒取向特征,另两个通道则记录重构后的原始晶格拓扑信息。注意力机制通过动态权重调整,使模型能够自主识别不同输入通道的关键信息协同作用。例如在处理晶界能量数据时,系统会自动强化高能晶界的权重,而在晶粒取向特征中则优先捕捉与冲击方向呈特定角度的晶界。

训练过程中采用焦点损失函数有效缓解了样本不平衡问题。实验数据显示,传统像素级标注存在约78%的"无空位"区域与22%的"有空位"区域,通过焦点损失机制使模型在预测低概率区域(无空位)时保持稳定,同时在预测高概率区域(有空位)时显著提升准确率。这种改进使模型在交叉验证中达到92.3%的像素级分类准确率,较常规CNN模型提升约15个百分点。

研究创新性地提出"双重建模"机制:在显式层面通过深度学习网络提取晶界能量与取向特征的组合特征,在隐式层面则利用注意力机制动态融合不同尺度、不同维度的微观结构信息。这种复合建模方式使得模型不仅能识别已观测到的空位形核位置(与实验结果吻合度达89%),更能发现潜在的高风险晶界区域(占样本总量的13%)。特别值得注意的是,模型在预测晶界能量与取向的交互效应时,能够捕捉到传统方法难以发现的Σ11有序晶界与Σ3低能晶界的协同作用现象。

实验验证部分采用N-fold交叉验证策略,将57张重构显微图像随机划分为测试集与训练集。结果显示,模型在验证集上的平均预测误差(IoU指标)达到0.87,较传统MLP模型提升37%。通过可视化注意力权重分布,发现模型对以下特征表现出显著关注:晶界能量梯度突变区域(贡献度28%)、相邻晶粒取向差>40°的边界(贡献度19%)、以及晶界曲率>0.5mm?1的锐角区域(贡献度15%)。这些发现与分子动力学模拟中的应变能密度分布规律相吻合。

研究还揭示了材料微观结构的多尺度关联特性。通过特征重要性分析发现,5-15μm范围内的晶粒尺寸分布对空位形核预测贡献度达42%,而>20μm的粗大晶界仅贡献9%。这种尺度依赖性特征为后续材料设计提供了重要启示:在冲击载荷下,中尺度晶界(5-15μm)的能量传递效率与取向匹配度对空位形核起决定性作用,而粗大晶界的影响则相对有限。

研究结论表明,机器学习模型成功捕捉了晶界能量(计算基于晶格匹配方法)、晶粒取向(通过EBSD数据获取)、晶界曲率、相邻晶粒取向差等关键参数的复杂交互关系。模型预测的空位形核概率场与实验观测的吻合度达91%,尤其在预测新空位形核位置方面展现出独特优势。这为理解多因素耦合驱动的空位形核机制提供了新的研究范式,同时也为开发抗冲击材料设计的新方法奠定了理论基础。

该研究在方法论层面实现了多项突破:首先,建立从冲击实验到显微重构的完整数据链,解决了高应变率下材料微观结构观测的难题;其次,开发的多通道注意力机制网络,有效克服了传统机器学习模型在处理高维异构数据时的局限性;最后,提出的"风险晶界"概念(预测值>0.75的晶界区域)为材料失效预警提供了新的技术路径。这些创新成果不仅推动了材料失效机理的深入理解,更为智能材料设计开辟了新的可能性。

当前研究仍存在若干改进空间:在数据层面,空位形核的样本数量相对有限(57张图像),未来可通过主动学习策略与迁移学习结合进行扩展;在模型层面,可以考虑引入图神经网络(GNN)以更自然地表达晶界之间的拓扑关系;在应用层面,需进一步验证模型在异种材料(如BCC铁基合金与FCC铜合金)中的普适性。这些后续研究方向为深化材料失效机理研究提供了明确的技术路线。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号