.png){kind=icon}
返回
Atomic-Scale Polycrystal Reconstruction Using Diffusion Models
.png){kind=icon}
PRE
AI
DOI：10.2320/matertrans.MT-M2025159.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
提出了一种结合变分自编码器（VAE）和去噪扩散概率模型（DDPM）的方法，以高效压缩和重构复杂、大规模的原子坐标，例如多晶中的原子坐标。利用Ni多晶的原子坐标，我们展示了VAE与DDPM的结合相比单独使用VAE提高了重构精度。此外，所提出的方法能够重现来自分子动力学（MD）模拟的原子坐标的时间演化，即使在仅针对单个多晶体在特定时间进行训练的情况下。另外，发现与原始坐标相比，原子数量的偏差在所有子区域（包括具有各种晶面和晶界的区域）中均较小，这表明了本研究中提出模型的鲁棒性。
Keyword:
deep generative model
diffusion model
polycrystal
grain boundary
molecular dynamics
期刊
IF:
1.9
论文数:
187
被引数:
1.1W
机构
引用论文
Computational Materials Design of High-Entropy Alloys Based on Full Potential Korringa-Kohn-Rostoker Coherent Potential Approximation and Machine Learning Techniques基于全势能Korringa-Kohn-Rostoker相干势近似和机器学习技术的高熵合金计算材料设计
OAAI
OAAI分享收藏Generating 3D images of material microstructures from a single 2D image: a denoising diffusion approach从单个2D图像生成材料微结构的3D图像: 去噪扩散方法.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容