Inteligencia computacional en la reconstrucción estocástica de microestructuras porosas para el modelado...

Área de la Ciencia:

• Ciencia de los materiales Ciencia de los materiales.
• Modelado computacional y modelado computacional.
• Mecánica de Ingeniería Mecánica de Ingeniería.

Sus antecedentes:

• La comprensión de las relaciones microestructura-propiedad (MPR) en medios porosos aleatorios es crucial.
• El modelado basado en imágenes y las simulaciones numéricas son herramientas clave para la investigación de MPR.
• La naturaleza estocástica de los medios porosos requiere grandes conjuntos de datos de microestructuras digitales 3D.

Objetivo del estudio:

• Para revisar las metodologías de reconstrucción de microestructuras estocásticas.
• Hacer hincapié en los enfoques basados en la inteligencia computacional como las redes generativas adversarias.
• Para discutir las limitaciones de los métodos tradicionales y las tendencias futuras.

Principales métodos:

• Revisión de los métodos tradicionales de reconstrucción basados en algoritmos.
• Examen de los enfoques emergentes basados en inteligencia computacional (CI).
• Centrarse en las redes generativas adversarias (GAN) y otras técnicas de IA.

Principales resultados:

• La reconstrucción estocástica genera eficientemente microestructuras virtuales a partir de datos limitados.
• Los métodos basados en CI mejoran la fidelidad, eficiencia y escalabilidad de la reconstrucción.
• Permite un análisis estadístico robusto de los MPR a través de métodos como las simulaciones de Monte Carlo.

Conclusiones:

• Progreso significativo en la reconstrucción de microestructuras impulsada por la IA.
• Los desafíos permanecen en la escasez de datos, el costo computacional y la interpretabilidad para sistemas complejos.
• El ML consciente de la física y la IA híbrida ofrecen soluciones futuras para la investigación de MPR.