Polycrystal microstructures, with their distinct physical, chemical, structural and topological entities, play an important role in determining the effective properties of materials. Particularly for computational studies, the well-known Voronoi tessellation technique is regularly used for obtaining microstructures. Standard Voronoi tessellations, however, exhibit statistics that are generally far removed from those in real microstructures. Nevertheless, such tessellations can be optimized to obtain certain key features and statistics seen in real microstructures. In this work, we develop the open-source software package OptiMic that enables the generation of optimized microstructures for both finite element as well as atomistic simulations. OptiMic allows for both monodispersive grains as well as irregular grains obtained currently via Voronoi tessellations. These initial microstructures can then be optimized to reflect desired statistical features. A key feature of the tool is that it gives the user extensive control on the optimization process via customizable cost functions. The software currently performs tessellations with the Voronoi method and can be easily extended to include other methods like grain-growth, phase-field etc.


翻译:具有独特的物理、化学、结构和地形实体的聚合性微结构在确定材料的有效特性方面发挥着重要作用。特别是在计算研究方面,经常使用众所周知的Voronoi熔化技术来获取微结构。标准Voronoexplate,然而,标准Vorono 熔化显示了一般与实际微结构中的数据相去甚远的统计数据。然而,这种熔化可以优化,以获得在真实微结构中看到的某些关键特征和统计数据。在这项工作中,我们开发了开放源软件软件包OptiMic,使有限的元素和原子模拟都能够产生优化的微结构。OptiMic允许单项颗粒和目前通过Voronoisellations获得的非常规颗粒。这些最初的微结构可以优化,以反映所需要的统计特征。工具的一个主要特征是,它通过定制成本功能使用户对优化过程进行广泛的控制。软件目前使用Voronoioioic方法进行熔化,可以很容易扩展到包括其他方法,如谷物阶段等。

0
下载
关闭预览

相关内容

专知会员服务
39+阅读 · 2020年9月6日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员