.png){kind=icon}
返回
PolyMicros: A foundation model for polycrystalline material structure
.png){kind=icon}
PRE
AI
DOI：10.1016/j.actamat.2026.122597.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
材料科学的基础模型承诺在微观结构重建和逆向材料设计等任务上达到深度学习技术所能实现的最先进性能，同时声称能够避免这些专门任务所需的大量数据要求和耗时准备。这种缓解在例如研究多晶微观结构时具有重要意义，因为其中存在大量挑战性任务，但大型微观结构数据集仅包含个位数级别的样本。然而，在实践中，当前框架仍然需要（1）大型、数百万样本的预训练数据集和（2）进一步微调以专门化模型来解决下游任务。我们介绍了一种专门为数据稀疏、结构材料科学应用设计的新型基础模型方法。对于（1），我们引入了一种基于物理驱动的数据增强方案，协调一组局部扩散模型生成大规模、物理多样化的合成数据集。对于（2），我们证明使用无条件扩散模型骨干构建的基础模型可以在不进行微调的情况下专门化下游任务。我们利用此框架构建了PolyMicros，这是首个从仅包含五个实验获取的3D多晶微观结构初始数据集的多晶材料基础模型。我们通过零样本解决几个与加速3D实验显微镜相关的历史遗留挑战来展示PolyMicros的实用性，包括从部分观测进行加速序列断面的重建以及从部分统计数据进行2D到3D维度扩展的重建。最后，我们将模型和数据集公开提供给社区。
Keyword:
Foundation model
Machine learning
Diffusion models
Generative modeling
Polycrystalline materials
AI/ML
EBSD
期刊
IF:
9.3
论文数:
2.0W
被引数:
12.9W
机构
查看更多机构
引用论文
暂无论文信息