Neural surrogates for crystal growth dynamics with variable supersaturation: explicit vs. implicit conditioning

Titel: Neuronale Surrogate für Kristallwachstumsdynamiken mit variabler Übersättigung: Explizite vs. implizite Konditionierung

Autoren: Matteo Rigoni, Daniele Lanzoni, Francesco Montalenti, Roberto Bergamaschini (Universität Mailand-Bicocca & Universität Genua)

---

1. Problemstellung

Die Simulation von Kristallwachstumsprozessen, insbesondere unter Verwendung von Phasenfeld-Methoden (Phase-Field, PF), ist rechenintensiv. Diese Methoden erfordern die Lösung gekoppelter nichtlinearer partieller Differentialgleichungen (PDEs) auf feinen Gittern, was den Einsatz für das schnelle Screening neuer Materialien oder Prozesse limitiert.
Ein spezifisches Problem in diesem Bereich ist die Abhängigkeit der Wachstumsdynamik von der Übersättigung ($\Delta\mu$), also der Differenz des chemischen Potentials zwischen der Mutterphase (Gas/Flüssigkeit) und dem Kristall.

• Herausforderung: Die Übersättigung steuert nicht nur die globale Wachstumsrate, sondern beeinflusst auch die lokale Morphologie (z. B. die Schärfe von Facettenkanten).
• Ziel: Entwicklung von maschinellen Lern-Modellen (Neural Surrogates), die diese Dynamik effizient approximieren. Dabei wird untersucht, ob es vorteilhafter ist, den Übersättigungswert als expliziten Eingabeparameter zu nutzen oder ihn implizit aus einer kurzen Sequenz vergangener Zustände zu inferieren.

2. Methodik

A. Physikalisches Modell (Datengenerierung)

• Es wird ein zweidimensionales Allen-Cahn-Modell verwendet, das die zeitliche Entwicklung eines Ordnungsparameters $\phi$ beschreibt (unterscheidet Kristallphase $\phi=1$ von Flüssigkeit/Gas $\phi=0$).
• Die Dynamik wird durch eine Ginzburg-Landau-Energiefunktionalität gesteuert, die durch den Übersättigungsparameter $\Delta\mu$ verzerrt ist.
• Um realistische Kristallfacettierung zu simulieren, wird ein anisotroper kinetischer Koeffizient $k(\alpha)$ eingeführt, der sechseckige Morphologien erzeugt.
• Der Datensatz besteht aus 7.500 Simulationssequenzen mit zufälligen Startkonfigurationen (elliptische Keime) und variierenden $\Delta\mu$-Werten im Bereich $[0.2, 0.8]$.

B. Neuronale Netzwerk-Architekturen

Es wurden zwei Varianten eines Convolutional Recurrent Neural Networks (CRNN) entwickelt, basierend auf Convolutional GRU-Schichten (Gated Recurrent Units):

1. NNseq (Implizite Konditionierung):

   • Eingabe: Eine Mini-Sequenz von $s$ aufeinanderfolgenden Zeitrahmen (z. B. 3, 5 oder 7 Frames).
   • Mechanismus: Das Netzwerk muss den Wert von $\Delta\mu$ implizit aus der zeitlichen Entwicklung der Eingabeframes ableiten ("Gedächtnis"-Funktion der rekurrenten Schichten).
   • Ziel: Vorhersage der nächsten Zustände basierend auf der erlernten Dynamik.

2. NNpar (Explizite Konditionierung):

   • Eingabe: Ein einzelner Anfangsrahmen ($\phi_t$) plus der numerische Wert von $\Delta\mu$.
   • Mechanismus: Der Wert von $\Delta\mu$ wird in einen räumlichen Tensor umgewandelt und als zweiter Kanal an die Morphologie-Karte angehängt.
   • Ziel: Vorhersage der gesamten Sequenz basierend auf dem expliziten Parameter und dem Startzustand.

3. Wichtige Beiträge und Ergebnisse

A. Vergleich der Vorhersagegenauigkeit

• Überlegenheit der expliziten Konditionierung: Das Modell NNpar (mit explizitem $\Delta\mu$) liefert deutlich bessere Ergebnisse als NNseq.
  • NNpar erreicht eine mittlere absolute Abweichung (MAE) von $< 0.01$ für 90 % der Testfälle.
  • Um eine vergleichbare Genauigkeit mit NNseq zu erreichen, ist ein 15-mal größerer Datensatz erforderlich.
• Daten-Effizienz: Die explizite Konditionierung ist dateneffizienter. Selbst ein kleines Modell von NNpar (trainiert auf nur 500 Sequenzen) erreicht ähnliche Ergebnisse wie das beste NNseq-Modell (trainiert auf 7.500 Sequenzen).
• Implizite Inferenz: NNseq funktioniert nur bei großen Datensätzen und optimaler Eingabelänge ($s=5$ Frames). Bei kurzen Sequenzen oder kleinen Datensätzen scheitert das Modell oft daran, die richtige Wachstumsrate zu inferieren, was zu kumulativen Fehlern führt.

B. Generalisierungsfähigkeit

Die trainierten Modelle zeigten bemerkenswerte Skalierbarkeit:

• Räumliche Skalierung: Die Modelle wurden erfolgreich auf Domänen angewendet, die 256-mal größer waren als die Trainingsdomäne ($2048 \times 2048$ Pixel vs. $128 \times 128$ Pixel), ohne Genauigkeitsverlust.
• Zeitliche Extrapolation: Die Modelle konnten Sequenzen vorhersagen, die 10-mal länger waren als die Trainingssequenzen, mit begrenzter Fehlerakkumulation.
• Variation der Anfangsbedingungen: Die Modelle generalisieren gut auf unterschiedliche Keimdichten (Anfangsbedeckung $\theta_0$), solange diese einen Mindestwert von ca. 0,03 überschreiten.

C. Sensitivität gegenüber Übersättigung ($\Delta\mu$)

• NNpar reproduziert sowohl die globale Wachstumsrate als auch die feinen morphologischen Details (z. B. scharfe Ecken bei hohem $\Delta\mu$, abgerundete Formen bei niedrigem $\Delta\mu$) hochfidel.
• NNseq zeigt bei niedrigen Übersättigungswerten ($\Delta\mu < 0.3$) signifikante Fehler, da die Änderungen zwischen den wenigen Eingabeframes zu gering sind, um die Dynamik korrekt zu inferieren.
• Extrapolation: Beide Modelle können leicht über den Trainingsbereich hinaus extrapolieren (bis $\Delta\mu \approx 1.0$), wobei NNpar robuster bleibt.

4. Bedeutung und Fazit

• Strategische Empfehlung: Die Studie zeigt eindeutig, dass explizite Konditionierung physikalischer Parameter in neuronalen Surrogaten der impliziten Inferenz vorzuziehen ist, sofern diese Parameter bekannt sind. Dies führt zu robusteren Modellen, die mit weniger Daten auskommen und weniger anfällig für Fehlerakkumulation sind.
• Anwendbarkeit: Obwohl die direkte numerische Lösung der Allen-Cahn-Gleichung in diesem einfachen Fall schneller sein kann als die NN-Auswertung auf einer CPU, bietet der Ansatz enorme Vorteile für komplexere, nichtlineare Dynamiken (z. B. Finite-Elemente-Methoden), wo die NN-Surrogate eine Beschleunigung um den Faktor $\approx 10$ auf GPUs ermöglichen.
• Zukunftsaussicht: Die Fähigkeit, Kristallwachstum über verschiedene Skalen und Zeiträume hinweg präzise zu simulieren, eröffnet neue Möglichkeiten für das Hochdurchsatz-Screening von Materialprozessen und die Analyse experimenteller Daten, bei denen die treibenden Kräfte möglicherweise nicht vollständig bekannt sind (hier wäre NNseq die einzige Option).

Zusammenfassend demonstriert diese Arbeit, dass Convolutional Recurrent Neural Networks effektive Surrogate für Phasenfeld-Simulationen sind, wobei die explizite Einbindung von Steuerparametern ($\Delta\mu$) entscheidend für hohe Genauigkeit und Daten-effizientes Training ist.