論文の概要: Denoising diffusion-based synthetic generation of three-dimensional (3D)
anisotropic microstructures from two-dimensional (2D) micrographs
- arxiv url: http://arxiv.org/abs/2312.07832v1
- Date: Wed, 13 Dec 2023 01:36:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-14 16:55:30.200147
- Title: Denoising diffusion-based synthetic generation of three-dimensional (3D)
anisotropic microstructures from two-dimensional (2D) micrographs
- Title（参考訳）: 2次元(2次元)マイクログラフによる三次元(3次元)異方性組織の生成
- Authors: Kang-Hyun Lee and Gun Jin Yun
- Abstract要約: 条件拡散に基づく生成モデル(DGM)に基づく異方性組織再構築のための枠組みを提案する。
提案するフレームワークは,複数の2次元条件付きDGMの空間的接続を伴い,それぞれが3つの異なる平面に対して2次元マイクロ構造サンプルを生成するように訓練されている。
その結果, このフレームワークは材料相の統計分布だけでなく, 3次元空間における材料特性も再現可能であることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Integrated computational materials engineering (ICME) has significantly
enhanced the systemic analysis of the relationship between microstructure and
material properties, paving the way for the development of high-performance
materials. However, analyzing microstructure-sensitive material behavior
remains challenging due to the scarcity of three-dimensional (3D)
microstructure datasets. Moreover, this challenge is amplified if the
microstructure is anisotropic, as this results in anisotropic material
properties as well. In this paper, we present a framework for reconstruction of
anisotropic microstructures solely based on two-dimensional (2D) micrographs
using conditional diffusion-based generative models (DGMs). The proposed
framework involves spatial connection of multiple 2D conditional DGMs, each
trained to generate 2D microstructure samples for three different orthogonal
planes. The connected multiple reverse diffusion processes then enable
effective modeling of a Markov chain for transforming noise into a 3D
microstructure sample. Furthermore, a modified harmonized sampling is employed
to enhance the sample quality while preserving the spatial connection between
the slices of anisotropic microstructure samples in 3D space. To validate the
proposed framework, the 2D-to-3D reconstructed anisotropic microstructure
samples are evaluated in terms of both the spatial correlation function and the
physical material behavior. The results demonstrate that the framework is
capable of reproducing not only the statistical distribution of material phases
but also the material properties in 3D space. This highlights the potential
application of the proposed 2D-to-3D reconstruction framework in establishing
microstructure-property linkages, which could aid high-throughput material
design for future studies
- Abstract（参考訳）: 総合計算材料工学(ICME)は, 微細構造と材料特性の関係の体系的解析を大幅に強化し, 高性能材料開発への道を開いた。
しかし, 三次元(3次元)微細構造データセットの不足により, 微視的材料挙動の解析は依然として困難である。
さらに, この課題は, 異方性材料特性をも生ずるため, 異方性構造が異方性であれば増幅される。
本稿では,条件拡散型生成モデル(dgms)を用いた二次元(2次元)マイクログラフのみに基づく異方性組織再構成のための枠組みを提案する。
提案フレームワークは複数の2次元条件付きDGMの空間接続を伴い、3つの異なる直交平面に対して2次元微細構造サンプルを生成するように訓練された。
接続された多重逆拡散過程は、ノイズを3次元マイクロ構造サンプルに変換するマルコフ連鎖の効果的なモデリングを可能にする。
さらに、3次元空間における異方性微細構造試料のスライス間の空間接続を保ちながら、サンプル品質を高めるために、改良された調和サンプリングを用いる。
提案手法を検証するため, 2D-to-3D再構成異方性構造試料を空間相関関数と物質挙動の両面から評価した。
その結果, このフレームワークは材料相の統計分布だけでなく, 3次元空間における材料特性も再現可能であることがわかった。
本研究は, 2次元から3次元への再構成手法の高スループット材料設計を支援するミクロ組織-特性結合構築への応用を強調するものである。
関連論文リスト
- Efficient Symmetry-Aware Materials Generation via Hierarchical Generative Flow Networks [52.13486402193811]
新しい固体材料は、結晶構造の広大な空間を急速に探索し、安定した領域を探索する必要がある。
既存の手法では、大きな材料空間を探索し、望ましい特性と要求を持った多様なサンプルを生成するのに苦労している。
本研究では, 材料空間の対称性を効果的に活用し, 所望の特性を持つ結晶構造を生成するために, 階層的探索戦略を用いた新しい生成モデルを提案する。
論文 参考訳（メタデータ） (2024-11-06T23:53:34Z) - DPLM-2: A Multimodal Diffusion Protein Language Model [75.98083311705182]
DPLM-2は, 離散拡散タンパク質言語モデル(DPLM)を拡張し, 配列と構造の両方に適合する多モーダルタンパク質基盤モデルである。
DPLM-2は、配列と構造、およびその限界と条件の結合分布を学習する。
実験によりDPLM-2は高度に互換性のあるアミノ酸配列とそれに対応する3D構造を同時に生成できることが示された。
論文 参考訳（メタデータ） (2024-10-17T17:20:24Z) - A Generative Machine Learning Model for Material Microstructure 3D
Reconstruction and Performance Evaluation [4.169915659794567]
2次元から3次元への次元展開は、現在の技術的観点から非常に難しい逆問題と見なされている。
U-netのマルチスケール特性とGANの生成能力を統合する新しい生成モデルが提案されている。
さらに、画像正規化損失とワッサーシュタイン距離損失を組み合わせることにより、モデルの精度をさらに向上する。
論文 参考訳（メタデータ） (2024-02-24T13:42:34Z) - Using convolutional neural networks for stereological characterization
of 3D hetero-aggregates based on synthetic STEM data [0.0]
パラメトリックな3Dモデルが提示され、そこから多数の仮想ヘテロアグリゲートが生成される。
仮想構造は、仮想走査透過電子顕微鏡(STEM)画像を生成するために物理シミュレーションツールに渡される。
畳み込みニューラルネットワークは、2次元STEM画像からヘテロアグリゲートの3次元構造を予測するために訓練される。
論文 参考訳（メタデータ） (2023-10-27T22:49:08Z) - Multi-plane denoising diffusion-based dimensionality expansion for
2D-to-3D reconstruction of microstructures with harmonized sampling [0.0]
本研究では,マイクロ3Diffと呼ばれる2次元から3次元の微細構造再構築のための新しい枠組みを提案する。
具体的には、この手法は2Dサンプルの生成に事前訓練されたDGMのみを必要とする。
DGMの逆マルコフ鎖からの偏差に対処するために、調和サンプリング法を開発した。
論文 参考訳（メタデータ） (2023-08-27T07:57:25Z) - DA-VEGAN: Differentiably Augmenting VAE-GAN for microstructure
reconstruction from extremely small data sets [110.60233593474796]
DA-VEGANは2つの中心的なイノベーションを持つモデルである。
$beta$-variational autoencoderはハイブリッドGANアーキテクチャに組み込まれている。
このアーキテクチャに特化して、独自の差別化可能なデータ拡張スキームが開発されている。
論文 参考訳（メタデータ） (2023-02-17T08:49:09Z) - MicroLib: A library of 3D microstructures generated from 2D micrographs
using SliceGAN [0.0]
3次元マイクロ構造データセットは、有限要素モデリングで使用される幾何学的領域を定義するために一般的に用いられる。
任意の大きさの3Dマイクロ構造データセットを統計的に生成する機械学習手法であるSliceGANを開発した。
生体材料から高強度鋼まで,87種類の組織にSliceGANを適用した結果について報告する。
論文 参考訳（メタデータ） (2022-10-12T19:13:28Z) - Three-dimensional microstructure generation using generative adversarial
neural networks in the context of continuum micromechanics [77.34726150561087]
本研究は, 三次元マイクロ構造生成に適した生成対向ネットワークを提案する。
軽量アルゴリズムは、明示的な記述子を必要とせずに、単一のmicroCTスキャンから材料の基礎特性を学習することができる。
論文 参考訳（メタデータ） (2022-05-31T13:26:51Z) - A deep learning driven pseudospectral PCE based FFT homogenization
algorithm for complex microstructures [68.8204255655161]
提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。
提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
論文 参考訳（メタデータ） (2021-10-26T07:02:14Z) - 3D Reconstruction of Curvilinear Structures with Stereo Matching
DeepConvolutional Neural Networks [52.710012864395246]
本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。
主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
論文 参考訳（メタデータ） (2021-10-14T23:05:47Z) - Microstructure Generation via Generative Adversarial Network for
Heterogeneous, Topologically Complex 3D Materials [0.0]
我々は, 固体酸化物燃料電池電極の3次元微細構造を学習・生成するために, GAN(Generative Adversarial Network)フレームワークを実装した。
粒子生成アルゴリズム(DREAM.3D)による結果との比較および比較を行った。
高忠実度でマイクロ構造を再現する生成機械学習モデルの能力は、複雑なマイクロ構造の本質を捕捉し、コンパクトでマニピュラブルな形で表現できることを示唆している。
論文 参考訳（メタデータ） (2020-06-22T21:52:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。