创建具有丰富材料信息的微观结构潜在空间用于多相合金设计
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了传统多相合金设计方法忽视微观结构细节的问题，降低了设计结果的可靠性。作者提出了一种基于变分自编码器的深度学习算法，能够将真实的微观结构数据映射到潜在空间，从而预测成分、加工步骤和材料性能。研究表明，该算法能有效整合微观结构信息，在多相合金设计中具有重要的应用潜力。
本文介绍了一种基于变分自编码器 (VAE) 的模型，用于构建前向和逆向的结构-性质联系。该模型通过双层先验条件于回归变量来结合VAE和回归模型，可以用于前向和逆向预测微观结构的属性。实验结果表明，该模型在前向预测方面与最先进的仅前向模型一样准确，并且能够实现所需的属性，避免了昂贵的优化过程。
