Sphere-based representation of image-resolved porous media
本文提出了多球体形状（Multi-Sphere Shape, MSS）算法，该算法通过在介质轴上放置重叠球体，能够直接从体素图像数据中高效生成简化的基于球体的多孔介质表示，从而实现粒子化模拟以及孔隙尺寸和配位数等关键结构描述符的提取。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
像咖啡杯里的泡沫、脚下的海绵状岩石，或是汽车发动机中的陶瓷过滤器这类材料，都拥有一个隐藏的复杂性：它们充满了孔洞。科学家称这些为多孔介质，了解流体如何在其中流动、热量如何传递或化学物质如何在这些微小的隧道中发生反应，对于从清理石油泄漏到设计更先进的电池等各种领域都至关重要。为了研究这些过程，研究人员经常求助于通过医学扫描仪或专门显微镜拍摄的强大 3D 图像，这些图像揭示了材料内部复杂的墙壁与空隙构成的迷宫。然而，这些图像是巨大的数字文件，由数十亿个微小的方块组成，直接在如此庞大的网格上运行物理模拟通常过于缓慢且计算成本过高。几十年来，科学家们一直试图将这些图像简化为更小、更易于使用的模型，但许多此类简化方法会丢失材料的实际形状，将复杂的、蜿蜒的隧道系统变成简单的、不连贯的点和线列表。
来自埃尔朗根-纽伦堡大学弗里德里希-亚历山大大学的研究团队找到了一种弥合这一差距的方法，创造出一种既能保持材料真实形状，又能让计算机快速处理的新方法。他们没有将图像分解为抽象的连接网络，而是使用一种算法，用一组重叠的球体填充了空隙空间。想象一下，你正在用成千上万个柔软的橡胶球填满一个复杂且不规则的洞穴系统；这些球体不需要完美地契合每一个角落，但它们在一起时能以惊人的准确度勾勒出洞穴的轮廓。这种被称为“多球体形状”（Multi-Sphere Shape）算法的方法，使他们能够使用数量可控的重叠球体来表示材料的整个内部结构。其结果是，该模型既足够轻量以进行模拟，又足够详细，能够告诉科学家孔洞到底有多大、孔道之间的通道有多宽，以及有多少条路径连接着一个区域。
研究人员在一种陶瓷泡沫上测试了这种方法，这种材料常用于高温过滤器和催化剂。他们首先获取了一张通过计算机断层扫描仪拍摄的泡沫 3D 图像，该图像捕捉了一个每边长 3.14 毫米的微小立方体材料。原始图像极其详细，包含 6400 万个微小的图像元素（即体素），定义了每一个实心墙壁和空隙空间。在将这个庞大的数据集输入到他们的新算法中后，研究团队仅使用 22,468 个重叠球体就生成了该泡沫内部孔隙空间的表示。尽管使用不到 2.3 万个球体来描述一个由 6 亿个方块组成的结构，新模型仍捕捉到了 95% 的实际空隙体积。这意味着，对于原始泡沫内部隧道的几乎每一个部分，在新模型中都有一个对应的球体，从而保留了整体形状以及允许空气或液体流动的关键连接。
这项发现之所以特别有用，是因为该模型不仅仅是看起来像原始材料，它还能直接回答那些通常需要复杂计算的问题。由于球体是重叠的，它们接触或相交的点揭示了最窄通道（称为“喉部”）的大小以及较大开放区域（即“孔隙”）的大小。通过计算有多少个球体与单个球体接触，研究人员可以确定“配位数”，这能告诉他们在泡沫中从任何一点出发有多少条不同的分支路径。在结构由这些圆形、泡状形状主导的材料中，这些测量结果可以直接转化为物理属性：球体的大小即为孔隙的大小，而两个球体重叠的区域则成为连接它们的开口大小。这使得科学家无需手动追踪整个 3D 图像，就能立即了解孔洞尺寸分布和连接宽度。
研究人员证明，这种基于球体的表示法不仅是一个静态图像，还是一个面向未来模拟的功能性工具。由于该模型是基于球体构建的，它可以直接用于粒子模拟，而粒子模拟是研究流体或粒子如何在复杂环境中运动的一种常用方法。与以往那些将材料简化为节点和链路、从而丢失实际空间几何结构的旧方法不同，这种新方法保留了材料的物理边界。这意味着研究人员可以模拟流体如何绕过实际的孔隙形状流动，而不仅仅是在抽象的点之间移动。此外，从这些球体中提取的数据（例如孔隙的大小和连接的数量）可以用于生成新的参数化模型。这创造了一个强大的循环：将现实世界的图像转换为一个简单且数据丰富的模型，进而可以利用该模型来设计具有特定属性的新材料，同时保持与原始现实世界结构的紧密联系。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。