Generative reconstruction of 2D and 3D polycrystalline microstructures using symmetrized hyperspherical harmonics

本文提出了一种在 MCRpy 中实现的开源可微分框架，该框架利用对称化超球谐函数和高级空间相关描述符，从有限的二维取向数据高效生成高保真度二维及三维多晶微观结构，从而为材料设计中的稳健结构 - 性能关联研究提供支持。

要点

想象你是一位主厨，试图复刻一款复杂、多层的蛋糕。你有一张成品蛋糕的照片（二维数据），但需要从零开始构建整个三维蛋糕。问题在于，你没有食谱，也无法仅凭照片看到内部的夹层。你必须猜测配料、质地以及各层如何堆叠，同时确保最终蛋糕的味道和外观与照片中的完全一致。

本文介绍了一种专为材料科学家设计的新型高科技“食谱生成器”。与蛋糕不同，他们重建的是多晶材料（如金属），这些材料由数百万个相互咬合的微小晶粒组成。

以下是他们发明的分解说明，采用简单的类比：

1. 问题：“平面照片”与“三维现实”

材料科学家通常拥有金属内部结构的平面二维图像（通过一种称为 EBSD 的特殊显微镜拍摄）。他们希望利用这张图来模拟金属在现实世界中的行为，而这需要一个完整的三维模型。

• 旧方法：以往的方法就像试图通过观察单一阴影来猜测云朵的三维形状。它们通常使用“欧拉角”（一种描述旋转的方式），这就像试图用一张中间有个巨大空洞的地图来导航城市。当你靠近那个空洞时，方向会变得混乱并失效（数学上的“奇点”）。
• 新方法：作者构建了一个名为MCRpy的新系统，它使用一种不同的数学语言，称为对称超球谐函数（SHSH）。
  • 类比：想象描述一个旋转的陀螺。与其使用三个在陀螺倒转时会失效的混乱数字，他们使用了一个平滑、连续的“数字球面”。无论陀螺如何旋转，这些数字都能流畅地流动，永远不会遇到“死胡同”或故障。这使得计算机能够更准确地推断出正确的三维形状。

2. 食谱：三种特殊配料（描述符）

为了从二维照片构建三维金属，计算机需要知道该寻找什么。作者创建了一份包含三个特定特征的“检查清单”，以确保新的三维模型与真实模型相匹配：

• 配料 A：“邻居检查”（两点相关）：
  这提出了一个问题：“如果我在这里选取一个晶粒，通常几步之外会是什么类型的晶粒？”它确保晶粒具有正确的尺寸和形状（例如，长而细，或圆形）。
• 配料 B：“曲率检查”（混合三点变异函数）：
  这是一种新颖的高级工具。它不仅观察邻居，还观察晶粒之间如何弯曲和相对曲率。
  • 类比：如果配料 A 告诉你砖块尺寸正确，那么配料 B 则告诉你墙壁是笔直的还是具有优美平滑的曲线。它帮助计算机绘制出清晰、逼真的晶粒边界，而不是模糊不清的边界。
• 配料 C：“平滑度检查”（平均变异）：
  这就像一只温柔的手抚平粘土。它阻止计算机产生奇怪的、嘈杂的静电（如电视雪花），同时确保不会过度平滑而抹去重要细节。

3. 烹饪过程：基于梯度的优化

计算机实际上是如何构建模型的？

• 旧方法：这就像蒙着眼睛的人向靶子投掷飞镖，希望能击中靶心。他们会猜测一个形状，检查是否接近，如果不接近，就再次猜测。这非常耗时。
• 新方法：作者使用基于梯度的优化。
  • 类比：想象你站在雾气缭绕的山上，想要到达最低的山谷（完美的三维模型）。与其投掷飞镖，你感受脚下的地面。你能确切地感觉到哪个方向是“下坡”。计算机朝那个方向迈一步，再次感受地面，然后再迈一步。它不断顺着山坡向下滑动，直到到达底部。这极其快速且高效。

4. 结果：从二维到三维

该团队在一种经过热处理和压力加工的铝合金上测试了这种方法。

• 测试：他们向计算机提供了一块金属的二维切片，并要求其生成完整的三维块体。
• 结果：计算机成功“生长”出一个三维块体，其外观和统计行为与真实金属相似。它完美地捕捉了晶粒的形状及其晶体取向。
• 局限：当金属在各处看起来相同（均匀）时，该系统表现极佳。然而，如果金属具有“梯度”（例如一侧非常粗大，另一侧非常细小），该系统倾向于将其平均化。这就像试图重现从橙色渐变为紫色的日落；系统可能会将整个天空渲染成均匀的粉橙色，因为它正在寻找“平均”颜色。

总结

本文介绍了一种强大的新工具，使科学家能够将金属微观结构的平面二维照片转化为完整的三维数字孪生。通过使用平滑、无故障的数学语言（SHSH）和“顺坡下滑”的优化方法，他们能够比以前更快、更准确地生成这些三维模型。这有助于工程师通过模拟材料在现实世界中的行为来设计更好的材料，而无需每次都构建昂贵且复杂的三维扫描。

技术摘要

技术摘要：利用对称化超球谐函数生成式重构二维与三维多晶微观结构

问题陈述
在多晶材料中建立稳健的“结构 - 性能”关联，需要具有代表性的二维（2D）和三维（3D）微观结构输入，以用于全场模拟（如相场或晶体塑性模型）。尽管实验三维表征是可行的，但对于高通量集成计算材料工程（ICME）工作流而言，其成本往往过高且过程复杂。因此，该领域依赖微观结构表征与重构（MCR），从有限的二维数据中生成统计等效的合成微观结构。

现有的重构方法面临显著局限。几何镶嵌方法（如 Voronoi 图）受限于固有的凸性，往往无法捕捉复杂的晶内亚结构。深度学习方法虽然强大，但通常缺乏物理可解释性和透明度。此外，传统的基于描述符的随机重构算法由于依赖离散的像素交换和模拟退火，导致收敛缓慢。在将可微重构框架扩展以直接处理晶体学取向数据方面，仍存在关键缺口。标准的取向表示（如欧拉角）会引入数值奇异性（万向节锁）和不连续性，从而破坏基于梯度的优化稳定性，使其不适用于高保真度的可微微观结构合成。

方法论
本工作提出了一种基于取向的可微微观结构表征与重构（DMCR）框架，该框架在开源软件MCRpy中实现。该方法通过以下组件解决了取向表示与优化的挑战：

1. 对称不变取向表示：
   为克服欧拉角的奇异性，该框架利用单位四元数对参数化取向空间。在此基础上，采用**对称化超球谐函数（SHSH）**推导出晶体学取向的连续、对称不变表示。SHSH 作为定义在四维单位超球面（$S^3$）上函数的正交基，有效处理了四元数与旋转群$SO(3)$之间的二对一同态关系。该方法消除了数值不连续性，并允许进行尊重晶体对称性的取向分布函数（ODF）谱分解。

2. 可微描述符集：
   重构由损失函数驱动，旨在最小化候选微观结构与目标参考之间的统计散度。描述符集（$D$）包含：

   • 两点空间相关（$S$）： 捕捉全局织构以及不同 SHSH 模式之间的互相关。
   • 混合三点变异函数（$\gamma_3$）： 一种新型描述符，用于量化取向梯度场中的高阶空间依赖性和曲率信息，从而改善局部界面拓扑的恢复。
   • 平均变化（$V$）： 用作正则化项，以强制平滑度并控制界面密度，同时不消除物理相关的晶内特征。

3. 优化策略：
   重构被表述为一个可微的逆优化问题。微观结构初始化为随机噪声场，并利用基于梯度的优化进行迭代更新。该框架利用L-BFGS-B 算法在复杂的损失景观中导航，通过自动微分（TensorFlow）计算关于体素级取向分量的梯度。对于从二维数据进行的三维重构，损失函数聚合正交平面二维截面之间的差异，以强制整个体积内的统计一致性。

关键结果
该框架通过数值研究以及经过热机械工艺（摩擦挤压）处理的实验铝合金微观结构的重构进行了验证。

• 描述符有效性： 数值基准测试表明，没有任何单一描述符能够独立恢复多晶状态的复杂性。虽然平均变化（$V$）调节了梯度密度，两点相关（$S$）强制了全局各向异性，但混合三点变异函数（$\gamma_3$）对于定义清晰的晶界和局部界面细节至关重要。组合方法产生了最高的保真度。
• 二维重构： 该框架成功重构了统计均匀的二维取向图，准确再现了等轴晶粒形貌和晶体学织构（通过极图验证）。损失函数表现出稳定、单调的收敛，将残差降低了四个数量级。
• 三维生成式合成： 该方法成功从单个二维 EBSD 切片生成了三维代表性体积单元（RVE）。生成的三维实现体显示出空间相干的等轴晶粒结构，尽管缺乏直接的三维实验输入，但仍保留了二维形貌特征和晶体学织构。
• 非均匀场： 当应用于具有空间梯度的统计非均匀微观结构时，该框架成功恢复了全局织构特征。然而，正如使用平稳统计描述符所预期的那样，重构过程使局部空间梯度均匀化，用平均相关长度替代了特定的空间演化。

意义与主张
作者声称，这项工作为 MCRpy 框架提供了一个通用的开源扩展，实现了多晶材料的直接、基于取向的重构。主要贡献包括：

• 无奇异性优化： 通过利用 SHSH，该框架避免了传统基于欧拉角方法相关的数值不稳定性，使得基于梯度的优化在晶体学数据上成为可能。
• 新型描述符： 混合三点变异函数与平均变化正则化项的集成，允许同时捕捉全局织构和局部界面拓扑，解决了先前基于描述符方法的局限性。
• 数字合成： 该方法促进了多晶 RVE 的快速数字合成，弥合了二维实验数据与全场模拟所需的三维计算输入之间的差距。

论文承认了当前的局限性，包括优化问题的非凸性质导致对初始化的敏感性（需要集成策略以获得最佳结果），以及平稳描述符固有的无法捕捉非平稳、空间变化微观结构的能力。尽管如此，这项工作建立了一种基础方法论，用于利用有限的二维数据生成反映目标统计集合的微观结构。