[논문 리뷰] Two-stage 2D-to-3D reconstruction of realistic microstructures: Implementation and numerical validation by effective properties

Paul Seibert, Alexander Raßloff외 5명|arXiv (Cornell University)|2023. 01. 23.

Machine Learning in Materials ScienceMaterials Science인용 수 3

한 줄 요약

이 논문은 통계적 서술자(Descriptor)를 사용하여 재구성 과정을 정교화함으로써 DMCR 알고리즘을 향상시킨 두 단계, 미분 가능한 2D에서 3D 미세구조 재구성 방법을 제안한다. 실제 β-Ti/TiFe 합금의 CT 스캔과 합성된 스피노이드 구조에 대해 검증된 이 방법은 대표적인 2D 슬라이스와 서술자 평균을 사용할 경우, 유효한 탄성 및 연성 성질을 예측하는 데 높은 정확도를 달성하며, 오차는 1% 이내로 감소한다.

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.

연구 동기 및 목표

• 3D CT 스캔이 이용 가능하지 않거나 비현실적인 상황에서 제한된 2D 현미경 데이터로부터 현실적인 3D 미세구조를 생성하는 데 도전하는 것.
• 기존의 데이터 없이도 미분 가능한 재구성 방법을 개선하기 위해 통계적 서술자를 기반으로 한 두 단계의 정교화 과정을 도입하는 것.
• 실제 CT 데이터와 합성된 이방성 구조를 사용하여 재구성된 미세구조를 검증하고, 유효한 기계적 성질 예측 정확도에 중점을 두는 것.
• 서술자 공간에서의 체계적 오차를 정량화하고, 슬라이스 크기와 스무딩의 영향이 재구성된 미세구조의 정밀도에 미치는 영향을 평가하는 것.
• MCRpy를 통한 무료이고 오픈소스의 구현을 제공함으로써 계산재료공학 분야에서 신뢰할 수 있는 다스케일 시뮬레이션을 가능하게 하는 것.

제안 방법

• 단일 또는 수직 2D 슬라이스에서 3D 미세구조 실현을 생성하기 위해 미분 가능한 미세구조 특성화 및 재구성(DMCR) 알고리즘을 적응시키는 것.
• 두 단계 최적화 구현: 첫 번째 단계에서는 DMCR를 통해 3D 재구성을 생성하고, 두 번째 단계에서는 목표와 재구성된 통계적 서술자 간의 격차를 최소화하는 기반으로 기울기 기반 최적화를 수행하는 것.
• 두점 상관 함수와 선형 경로 함수와 같은 통계적 서술자를 사용하여 재구성 단계에서의 미분 가능한 손실 함수의 기초를 마련하는 것.
• 서술자 기반 스무딩을 적용하여 노이즈 유발 잡음 아티팩트를 수정함으로써 날카로운 모서리와 같은 미세구조적 특징을 과도하게 스무딩하지 않으면서 유지하는 것.
• 수치적 균질화를 수행하여 재구성된 미세구조의 유효 탄성 및 연성 성질을 계산하고 실제 CT 스캔의 기준값과 비교하는 것.
• 원래 슬라이스가 너무 작을 경우의 표본 편향을 완화하기 위해 여러 개의 작은 2D 슬라이스에서의 서술자 평균을 사용하여 대표성을 향상시키는 것.

실험 결과

연구 질문

• RQ1 서술자 기반 평균화를 통한 두 단계의 미분 가능한 재구성 방법이 기존의 기준 DMCR에 비해 2D 슬라이스에서 재구성된 3D 미세구조의 정확도를 크게 향상시킬 수 있는가?
• RQ2 서술자 오차가 유효한 기계적 성질 예측 오차(탄성 및 연성)로 어떻게 전파되는가?
• RQ3 서술자 계산에 사용된 2D 슬라이스의 크기가 재구성된 3D 미세구조의 정밀도에 어떤 영향을 미치는가?
• RQ4 서술자 기반 스무딩은 표준 가우시안 스무딩과 비교하여 미세구조적 특징을 얼마나 잘 유지하고 있으며, 유효 성질 예측 정확도를 향상시키는가?
• RQ5 여러 개의 작은 2D 슬라이스에서의 서술자 평균화가 큰 대표 슬라이스가 없는 상황을 효과적으로 보완할 수 있는가?

주요 결과

• 서술자 평균화를 통한 두 단계 재구성 방법은 다이아몬드형에 대해 -0.5%, 층상 구조에 대해 -8.4%의 유효 엘라스티시티 모odulus 오차를 기록하며, 이는 단일 작은 슬라이스의 경우 -7.8%와 -11%에 비해 향상된 결과이다.
• 큰 단일 슬라이스를 사용한 서술자 계산은 유효 엘라스티시티 모odulus 오차가 다이아몬드형에 대해 -2.1%, 층상 구조에 대해 -2.0%로 매우 낮게 유지되며, 대표성 있는 표본 추출의 중요성을 입증한다.
• 서술자 기반 스무딩은 날카로운 모서리와 같은 원래의 미세구조적 특징을 회복하지만, 가우시안 스무딩은 노이즈와 실제 특징을 구분하지 못해 심각한 오차를 유발한다.
• 스무딩은 다이아몬드형에서 최대 0.5%까지 유효 항복 강도를 증가시키고, 층상 구조에선 0.3%까지 증가시키며, 노이즈 보정이 기계적 예측 정확도를 향상시킨다는 것을 시사한다.
• 스무딩을 하지 않은 재구성 결과는 부적절하게 강한 영역에 연성 상이한 상이 할당되어 더 낮은 강성(예: 다이아몬드형 -1.3%, 층상 구조 -4.1%)을 보이며, 이는 효과적인 반응을 약화시킨다.
• 이 방법은 이방성 성질에 대해 높은 예측 정확도를 달성하여 재구성된 성질이 실제 CT 스캔 결과와 매우 유사하게 일치함을 입증하였으며, 다스케일 시뮬레이션에의 응용 가능성을 확인한다.