[論文レビュー] Two-stage 2D-to-3D reconstruction of realistic microstructures: Implementation and numerical validation by effective properties

Paul Seibert, Alexander Raßloff+5 more|arXiv (Cornell University)|Jan 23, 2023

Machine Learning in Materials ScienceMaterials Science被引用数 3

ひとこと要約

本稿では、統計的記述子を用いた再構築の精緻化により、DMCRアルゴリズムを改善した、2段階で微分可能な2Dから3Dへのマイクロ構造再構築手法を提示する。実際のβ-Ti/TiFe合金のCTスキャンおよび合成されたスピンオイド構造に対して検証された本手法は、代表的な2Dスライスと記述子の平均化を用いることで、効果的弾性および塑性特性の予測において高い精度を達成し、誤差を1%未満にまで低減した。

ABSTRACT

Realistic microscale domains are an essential step towards making modern multiscale simulations more applicable to computational materials engineering. For this purpose, 3D computed tomography scans can be very expensive or technically impossible for certain materials, whereas 2D information can be easier obtained. Based on a single or three orthogonal 2D slices, the recently proposed differentiable microstructure characterization and reconstruction (DMCR) algorithm is able to reconstruct multiple plausible 3D realizations of the microstructure based on statistical descriptors, i.e., without the need for a training data set. Building upon DMCR, this work introduces a highly accurate two-stage reconstruction algorithm that refines the DMCR results under consideration of microstructure descriptors. Furthermore, the 2D-to-3D reconstruction is validated using a real computed tomography (CT) scan of a recently developed beta-Ti/TiFe alloy as well as anisotropic "bone-like" spinodoid structures. After a detailed discussion of systematic errors in the descriptor space, the reconstructed microstructures are compared to the reference in terms of the numerically obtained effective elastic and plastic properties. Together with the free accessibility of the presented algorithms in MCRpy, the excellent results in this study motivate interdisciplinary cooperation in applying numerical multiscale simulations for computational materials engineering.

研究の動機と目的

• 3DCTスキャンが入手不可能または実用的でない場合に、限られた2D顕微鏡データから現実的な3Dマイクロ構造を生成する課題に対処すること。
• 統計的記述子に基づく2段階の精緻化プロセスを導入することで、既存のデータフリーで微分可能な再構築手法を改善すること。
• 実際のCTデータと合成された異方性構造の両方を用いて再構築されたマイクロ構造を検証し、有効機械的特性の予測精度に焦点を当てる。
• 記述子空間における系統的誤差を定量化し、スライスサイズと平滑化の再構築マイクロ構造忠実度に与える影響を評価すること。
• MCRpyを通じたフリーでオープンソースの実装を提供することで、計算材料工学における信頼性の高いマルチスケールシミュレーションを可能にすること。

提案手法

• 単一または直交する2Dスライスから3Dマイクロ構造実現を生成するため、微分可能なマイクロ構造特徴化と再構築（DMCR）アルゴリズムを適応する。
• 2段階の最適化を実装する：まずDMCRにより3D再構築を生成し、次に、ターゲットと再構築された統計的記述子の差異を最小化する勾配ベース最適化により精緻化する。
• 2点相関関数やラインアルパス関数などの統計的記述子を、精緻化段階における微分可能な損失関数の基礎として使用する。
• ノイズに起因するアーティファクトを補正するため、記述子に基づく平滑化を適用し、鋭いコーナーなどのマイクロ構造的特徴が過剰に平滑化されないよう保証する。
• 数値均質化を実行し、再構築されたマイクロ構造の有効弾性および塑性特性を計算し、実際のCTスキャンからの基準値と比較する。
• 元のスライスが小さすぎる場合の代表性を向上させるために、複数の小さな2Dスライスからの記述子の平均化を実施する。

実験結果

リサーチクエスチョン

• RQ1 2段階の微分可能な再構築手法は、ベースラインのDMCRと比較して、2Dスライスから再構築された3Dマイクロ構造の精度を顕著に向上させることができるか？
• RQ2 統計的記述子における誤差は、有効機械的特性（弾性および塑性）の予測誤差にどのように伝播するか？
• RQ3 記述子計算に使用する2Dスライスのサイズが、再構築された3Dマイクロ構造の忠実度にどの程度影響を与えるか？
• RQ4 記述子に基づく平滑化は、標準的なガウス平滑化と比較して、マイクロ構造的特徴をどれほどよく保持し、有効特性の予測精度を向上させるか？
• RQ5 複数の小さな2Dスライスからの記述子の平均化は、大きな代表的スライスが欠如している場合に、それを効果的に補うことができるか？

主な発見

• 2段階再構築手法は、複数の小さなスライスからの記述子平均化を用いることで、柱状構造では有効ヤング率の誤差を-0.5%まで低減し、スピンオイド層状構造では-8.4%までにまで低下させた。一方、1つの小さなスライスを用いた場合の誤差は-7.8%（柱状）および-11%（層状）であった。
• 大きな1枚のスライスを用いた記述子計算では、有効ヤング率の誤差が柱状構造で-2.1%、層状構造で-2.0%にまで低下し、代表的サンプリングの重要性を示した。
• 記述子に基づく平滑化は、鋭いコーナーなどの元のマイクロ構造的特徴を回復するが、ガウス平滑化はノイズと実際の特徴を区別できず、顕著な誤差を引き起こす。
• 平滑化処理により、柱状構造では有効降伏強度が最大0.5%、層状構造では0.3%向上した。これは、ノイズ補正が機械的特性予測精度を向上させることを示している。
• 平滑化を行わない再構築では、剛性部に不適切にソフト相が割り当てられるため、柱状構造で-1.3%、層状構造で-4.1%の低剛性が観察され、有効応答が弱体化した。
• 本手法は異方性有効挙動に対しても高い予測精度を達成し、再構築された特性が実CTスキャンのものと密接に一致した。これは、マルチスケールシミュレーションへの応用が妥当であることを検証した。