arXiv · Materials Science· Ashwini Gupta, Indrashish Saha, Lori Graham-Brady, Tamer A. Zaki·· 1 天前
深度学习框架优化多晶微结构并兼顾强度要求
Deep learning driven framework for optimization of polycrystalline microstructures under competing strength requirements
arXiv:2610.09461v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ashwini Gupta, Indrashish Saha, Lori Graham-Brady, Tamer A. Zaki
首次提交：2026-10-07 13:17
研究任务与主要进展
研究提出深度学习驱动的多晶铜微结构优化框架，在准静态与动态冲击要求之间进行设计。3D U-Net代理模型直接预测板冲击模拟的全场速度历史，并结合随机微结构生成、无导数优化和基于最大均值差异的分布一致性可靠性区域；CPFE验证中预测误差低于3%，优化累计评估时间较直接CPFE优化约降低四个数量级。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · Materials Science · arxiv.org