0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

研究人员开发出将2D材料转换为3D结构的新型机器学习算法

hl5C_deeptechch 来源:DeepTech深科技 作者:DeepTech深科技 2021-04-18 10:07 次阅读

材料的性能和行为在很大程度上取决于其微观结构,而微观结构又受到制造条件的限制。而对这些关系的洞察方面,物理模拟发挥着重要作用,有助于为下一代材料的设计提供关键的信息支持。

尤其重要的是,许多材料在应力下的变形,或流体流经多孔介质时不能单独使用 2D 数据进行精确建模。因此,用于提取这些特性的模拟技术的保真度部分将取决于 3D 微观结构数据集的质量。

但很长一段时间以来,3D 复合材料的研究、设计和制造都是一大挑战。通常 2D 图像方法擅长甄别不同的材料,特点是成像高分辨率、视野宽,且成本低廉。对比之下,3D 成像技术不但价格昂贵,而且成像相对模糊,因此,其低分辨率的劣势大大限制了这种方式在复合材料识别方面的应用,例如,目前 3D 成像技术无法识别陶瓷材料、碳多聚粘合剂和液相孔等电池电极内的材料。

近日,伦敦帝国理工学院(Imperial College London)的研究人员开发出一种新型机器学习算法,能够将 2D 的复合材料图像转换为 3D 立体结构,从而帮助相关制造商和材料科学家进一步研究和改进 3D 电池电极和飞机部件等复合材料的设计与生产制造。

相关成果于 2021 年 4 月 5 日发表在《自然-机器智能》(Nature Machine Intelligence)杂志上,论文标题为《基于生成对抗网络的维度扩展将2D切片转化为3D结构》(Generating three-dimensional structures from a two-dimensional slice with generative adversarial network based dimension expansion)。

基于复合材料的 2D 横截面数据,该算法将不同材料组合起来,而这些材料的物理、化学性质不尽相同,然后扩展材料的横截面的尺寸,进而将其转换为3D计算机模型。这样一来,科学家就能够直观地对复合材料的不同组成部分或“phases”,以及它们如何组合起来进行仔细研究。

换句话说,该算法不仅能够帮助人们观察到复合材料的 2D 横截面的细节,还会将其放大,把“phases”放置到 3D 空间中研究。只有明确了解与掌握研究复合材料的分层结构,科学家及制造商才能在未来逐步优化这类材料的设计。

该研究团队指出,相比于利用物理 3D 对象创建 3D 计算机表示,他们的技术路线成本更低,效率也更高,并且,它还能够更清晰地识别出复合材料内部的不同的“phases”,而这正是该领域最大的技术难点之一,因此,该团队此次的研究成果超越了当前的大多数技术方法。

“将不同材料进行组合成复合材料,可以让我们充分利用每个组件的最佳性能,但由于材料的排列对性能有很大的影响,因此对其进行详细的研究一直以来都是一个挑战。通过我们的算法,研究人员将获取他们的 2D 图像数据,并生成所有特性保持一致的 3D 结构,这使他们能够进行更逼真的模拟。”论文的主要作者、帝国理工学院戴森设计工程学院(Imperial‘s Dyson School of Design Engineering)学习、设计和研究工具(TLDR)小组的博士生史蒂夫·肯奇(Steve Kench)表示。

在这项研究中,研究人员使用了新型机器学习技术“深度卷积生成性对抗网络”,英文为 Deep Convolutional Generative Adversarial Networks,简称 DC-GANs,该技术于 2014 年发明。生成性对抗网络是一种非常有前景的候选模型,也是将 2D 转换为 3D 的工具的核心。其由两个神经网络组成:一个生成器 G,用于合成假样本,另一个为鉴别器 D,用于从数据集中区分真假样本。在训练过程中,G 和 D 迭代更新,使生成器能够捕获真实数据集的特征。

具体来说,就是让两个神经网络彼此之间形成竞争,其中,一个神经网络显示 2D 图像,并进行快速学习识别,然后另一个神经网络则试图制作“假”的 3D 版本。如果第一个神经网络查看到“假”3D 版本中的所有 2D 切片,并把它们认定为“真的”,那么这些版本就可以用于模拟任何材质的属性。

该团队将这种技术应用到维度扩展的任务中,能够以更快的速度对不同的材料进行组合,以更快找到性能更优越的复合材料。

该研究的合著者之一、戴森设计工程学院 TLDR 小组负责人萨姆·库珀(Sam Cooper)博士表示,“电池等许多包含复合材料的设备的性能,与其内部组件在微观尺度上的 3D 排列密切相关。但是,对这些材料进行足够详细的 3D 成像的难度非常大。我们希望我们的新机器学习工具能够帮助材料设计界摆脱对昂贵的 3D 成像机的依赖。”

原文标题:英国科学家研发新型机器学习工具,能快速将2D材料图像转换为3D结构

文章出处:【微信公众号:DeepTech深科技】欢迎添加关注!文章转载请注明出处。

责任编辑:haq

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 3D
    3D
    +关注

    关注

    9

    文章

    2875

    浏览量

    107488
  • 机器学习
    +关注

    关注

    66

    文章

    8408

    浏览量

    132572

原文标题:英国科学家研发新型机器学习工具,能快速将2D材料图像转换为3D结构

文章出处:【微信号:deeptechchina,微信公众号:deeptechchina】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    2D多鳍FETs的高密度集成,搭台引导外延的科技突破!

    挑战,包括短通道效应、界面缺陷和非均匀静电控制等问题。为了应对这些挑战,学术界和产业界开始关注二维(2D)半导体材料的潜力,这些材料具有原子平坦的表面和优异的电子特性。在此背景下,研究人员
    的头像 发表于 09-03 14:31 267次阅读
    <b class='flag-5'>2D</b>多鳍FETs的高密度集成,搭台引导外延的科技突破!

    3D封装热设计:挑战与机遇并存

    随着半导体技术的不断发展,芯片封装技术也在持续进步。目前,2D封装和3D封装是两种主流的封装技术。这两种封装技术在散热路径和热设计方面有着各自的特点和挑战。本文深入探讨2D封装和
    的头像 发表于 07-25 09:46 1403次阅读
    <b class='flag-5'>3D</b>封装热设计:挑战与机遇并存

    柔软可拉伸的新型3D打印材料可改善可穿戴传感应用

    据麦姆斯咨询介绍,为了推动软机器人技术、皮肤集成电子设备和生物医学设备的发展,美国宾夕法尼亚州立大学的研究人员开发出了一种柔软可拉伸的新型3D
    的头像 发表于 07-08 17:03 1.1w次阅读

    通过2D/3D异质结构精确控制铁电材料弛豫时间

    受经典德拜弛豫启发的米勒模型提供了通过操纵弛豫时间来控制自发极化的理论框架。作者通过使用层转移技术形成的2D/C-3D/2D异质结构克服了传统异质结存在的铁电性恶化和能量损失的问题。
    的头像 发表于 04-29 10:27 649次阅读
    通过<b class='flag-5'>2D</b>/<b class='flag-5'>3D</b>异质<b class='flag-5'>结构</b>精确控制铁电<b class='flag-5'>材料</b>弛豫时间

    基于MAXWELL 2D 的永磁电机研究

    电子发烧友网站提供《基于MAXWELL 2D 的永磁电机研究.pdf》资料免费下载
    发表于 04-23 14:18 7次下载

    包含具有多种类型信息的3D模型

    项目阶段集成在一起。同时,还提供易于使用的数据交换,可在2D3D工作方法之间快速切换,以提供具有程序精度的高质量信息。 其他常用于支持建筑信息建模的相关平台 Autodesk
    发表于 03-28 17:18

    NVIDIA生成式AI研究实现在1秒内生成3D形状

    NVIDIA 研究人员使 LATTE3D (一款最新文本转 3D 生成式 AI 模型)实现双倍加速。
    的头像 发表于 03-27 10:28 492次阅读
    NVIDIA生成式AI<b class='flag-5'>研究</b>实现在1秒内生成<b class='flag-5'>3D</b>形状

    有了2D NAND,为什么要升级到3D呢?

    2D NAND和3D NAND都是非易失性存储技术(NVM Non-VolatileMemory),属于Memory(存储器)的一种。
    的头像 发表于 03-17 15:31 1015次阅读
    有了<b class='flag-5'>2D</b> NAND,为什么要升级到<b class='flag-5'>3D</b>呢?

    Nullmax提出多相机3D目标检测新方法QAF2D

    今天上午,计算机视觉领域顶会CVPR公布了最终的论文接收结果,Nullmax感知部门的3D目标检测研究《Enhancing 3D Object Detection with 2D De
    的头像 发表于 02-27 16:38 1133次阅读
    Nullmax提出多相机<b class='flag-5'>3D</b>目标检测新方法QAF<b class='flag-5'>2D</b>

    中兴努比亚发布全球首款5G+AI裸眼3D平板

    此平板采用Neovison 3D Anytime科技2D画面即时转换为3D效果,增强观影及音乐娱乐体验的真实感。较前代产品而言,新设备在分
    的头像 发表于 02-27 14:51 702次阅读

    基于深度学习的方法在处理3D点云进行缺陷分类应用

    背景部分介绍了3D点云应用领域中公开可访问的数据集的重要性,这些数据集对于分析和比较各种模型至关重要。研究人员专门设计了各种数据集,包括用于3D形状分类、3D物体检测和
    的头像 发表于 02-22 16:16 1129次阅读
    基于深度<b class='flag-5'>学习</b>的方法在处理<b class='flag-5'>3D</b>点云进行缺陷分类应用

    高分工作!Uni3D3D基础大模型,刷新多个SOTA!

    的结果,但是在3D视觉中模型的scale up始终没有成功。我们旨在NLP/2D中scale up的成功复现到3D表征模型上。
    的头像 发表于 01-30 15:56 870次阅读
    高分工作!Uni<b class='flag-5'>3D</b>:<b class='flag-5'>3D</b>基础大模型,刷新多个SOTA!

    介绍一种使用2D材料进行3D集成的新方法

    美国宾夕法尼亚州立大学的研究人员展示了一种使用2D材料进行3D集成的新颖方法。
    的头像 发表于 01-13 11:37 1061次阅读

    一种用于2D/3D图像处理算法的指令集架构以及对应的算法部署方法

    二维(2D)和三维(3D)双模视觉信息在自动驾驶、工业机器人、人机交互等前沿领域具有广泛的应用前景。
    的头像 发表于 01-05 10:35 458次阅读
    一种用于<b class='flag-5'>2D</b>/<b class='flag-5'>3D</b>图像处理<b class='flag-5'>算法</b>的指令集架构以及对应的<b class='flag-5'>算法</b>部署方法

    一文了解3D视觉和2D视觉的区别

    一文了解3D视觉和2D视觉的区别 3D视觉和2D视觉是两种不同的视觉模式,其区别主要体现在立体感、深度感和逼真度上。本文详细阐述这些区别,
    的头像 发表于 12-25 11:15 3019次阅读