Исследователи из МФТИ и Сычуанского университета разработали метод SWNN для создания трехмерных моделей пористых материалов на основе одного двумерного снимка. Технология позволяет генерировать структуры объемом до сотен миллионов ячеек, результаты работы опубликованы в журнале ScienceDirect.
В основе подхода лежит комбинация нейронных сетей и метрики расстояния Вассерштейна. В отличие от традиционных моделей, метод работает с одним образцом и не требует больших массивов данных для обучения. Он позволяет задавать параметры пористости и создавать пространственно-неоднородные структуры по заданной маске.
Тесты подтвердили, что реконструированные модели соответствуют реальным образцам по статистическим и физическим свойствам, включая теплопроводность и проницаемость. Метод показал более высокое качество реконструкции при меньших вычислительных затратах по сравнению с диффузионными и состязательными сетями.
Разработка предназначена для проектирования материалов с заданными характеристиками, включая аноды и катоды для аккумуляторов, катализаторы и фильтры. Сейчас научный коллектив Центра вычислительной физики МФТИ продолжает работу над новыми методами генерации структур с применением ИИ.
