相場模擬是研究材料介尺度結(jié)構(gòu)演化及其與力學(xué)性能關(guān)系的有效方法。然而，相場模擬需求解時(shí)-空關(guān)聯(lián)的高階偏微分方程，導(dǎo)致高精度、高維度、大體系、長時(shí)段相場模擬的時(shí)間成本和經(jīng)濟(jì)成本非常高昂。近日，土建與水利學(xué)院朱家明教授課題組開發(fā)了基于卷積神經(jīng)網(wǎng)絡(luò)算法的相場模擬代理模型，實(shí)現(xiàn)了對微結(jié)構(gòu)演化的時(shí)-空預(yù)測，提升了代理模型的計(jì)算精度，計(jì)算誤差比國際報(bào)道小一個(gè)數(shù)量級(jí)。此外，該代理模型在預(yù)測三維結(jié)構(gòu)的時(shí)-空演化過程時(shí)也表現(xiàn)出較高的精度，為高通量、高精度、高維度、大體系、長時(shí)段材料計(jì)算奠定了基礎(chǔ)。

相關(guān)成果以 Accelerating three-dimensional phase-field simulations via deep learning approaches為題，發(fā)表在國際學(xué)術(shù)期刊《JOURNAL OF MATERIALS SCIENCE》上。工程力學(xué)系朱家明教授為本文的通訊作者，碩士研究生周學(xué)偉為第一作者，該論文得到了國家自然科學(xué)基金、山東省自然科學(xué)基金的支持，山東大學(xué)為本文的第一科研單位和通訊單位。論文鏈接：https://link.springer.com/article/10.1007/s10853-024-10118-4