美国阿拉巴马大学胡崇泽博士团队JMI最新研究论文 | 基于自编码循环神经网络的耦合微观结构演化相场模拟加速

本文介绍了美国阿拉巴马大学胡崇泽博士团队在《Journal of Materials Informatics》上发表的最新研究论文。该研究开发了一个基于自编码循环神经网络的加速框架，用于预测涉及多个相互依赖参数场的Ostwald ripening微观结构演化。研究通过高通量相场模拟生成微观结构数据库，利用自编码器降维技术将二维微观结构图像转化为潜在表示，并采用LSTM神经网络作为微观结构学习引擎。结果表明，该框架能有效压缩高维数据并保持高准确度，相比传统相场模拟实现了约3.35 × 10⁵倍的加速。该框架是首个专为耦合相场问题设计的数据驱动模拟方法，具有扩展应用于更复杂微观结构演化预测的潜力。