JMI最新研究论文| 重庆大学曹宇教授团队—SRX-net：深度学习赋能元胞自动机，实现静态再结晶行为的精准高效建模

本文针对金属热处理中静态再结晶（SRX）行为模拟的计算成本高、效率低的问题，提出了一种深度学习增强的元胞自动机（MCA-SRX）框架。研究背景是传统高精度模拟方法（如晶体塑性有限元）计算开销巨大，制约工业应用。研究目的在于开发高效、精准的SRX模拟新方法，核心创新是构建了SRX-net深度学习模型，以替代传统方法预测位错密度场，将模拟时间从数小时缩短至数秒。该框架综合考虑了位错植入、回复、形核和晶粒长大等物理机制，并以INCOLOY alloy 925合金为对象进行了验证。结论表明，SRX-net模型在预测位错分布和再结晶动力学方面精度显著优于随机森林和标准U-Net模型，MCA-SRX框架能高保真度模拟SRX全过程，预测结果与实验数据吻合良好，误差在8%以内，为工业级近实时模拟与工艺优化提供了新方案。