基于条件生成AI的水泥水化微结构高保真三维合成方法研究

【字体: 时间:2025年06月17日 来源:Materials & Design 7.6

编辑推荐:

  针对波特兰水泥浆体高度异质且动态演变的微结构特征给绿色建材研发带来的挑战,本研究提出了一种基于两阶段潜在扩散变换器(TL-DiT)的条件生成AI框架。通过向量量化变分自编码器(VQVAE)构建紧凑潜在空间,结合扩散变换器模型,成功合成了具有不同水灰比(w/c)、勃氏细度(Blaine)和养护龄期(1-28天)的高保真3D水泥浆体微结构。统计分析和预训练分类器验证表明,生成微结构在灰度分布、微观力学特性、水化相演变等方面与实验数据高度一致,为多尺度建模和可持续水泥基材料设计提供了新工具。

  

水泥基材料的性能很大程度上取决于其内部微结构特征,但波特兰水泥浆体的微结构具有高度异质性和动态演变特性,这给材料性能研究和新型建材开发带来了巨大挑战。传统上,研究人员通过扫描电镜(SEM)或X射线计算机断层扫描(XCT)等技术来表征水泥微结构,但这些方法需要昂贵的仪器设备和精密的样品制备。虽然已有一些水化模型(如Hymostruc、CemHyd3D等)可以模拟水泥水化过程生成微结构,但这些模型需要大量假设和简化,难以准确捕捉真实微结构的复杂性。

针对这些挑战,研究人员开发了一种基于条件生成人工智能的创新方法。这项研究提出了一种名为"两阶段潜在扩散变换器"(Two-stage Latent Diffusion Transformer, TL-DiT)的新型框架,能够合成高保真的3D水泥浆体微结构。该方法可以生成具有不同水灰比(w/c)、勃氏细度和养护龄期的水泥微结构,为材料性能研究提供了重要工具。

研究采用了几个关键技术方法:首先使用向量量化变分自编码器(VQVAE)将3D微结构压缩到紧凑的潜在空间;然后开发了包含切片-深度块(slice-depth blocks)的扩散变换器模型来学习潜在表示分布;最后通过微结构统计分析、相组成演变研究和预训练分类器验证等方法评估生成微结构的保真度。研究数据来源于公开的XCT扫描水泥浆体微结构数据集,包含4种不同配比水泥在7个养护龄期的7168个微结构立方体样本。

研究结果部分展示了多方面的重要发现:

在"生成微结构概述"部分,研究显示TL-DiT成功生成了28种不同参数组合的微结构,包括2种水灰比(0.35和0.50)、2种勃氏细度(273和391 m2
/kg)和7个养护龄期(1-28天)。生成的微结构在视觉上与真实微结构高度相似,并能准确反映水化过程的动态演变和水泥细度的影响。

"生成微结构的统计特性"分析表明,生成微结构的灰度值概率密度函数(PDF)和累积分布函数(CDF)与真实微结构几乎完全一致,所有参数组合的确定系数(R2
)均大于0.995,显示出极高的统计相似性。

通过"微结构相组成与演变"研究发现,基于水化模型计算的四相(孔隙、外产物、内产物和未水化水泥)阈值点,生成微结构与真实微结构在相组成上高度吻合,确定系数达到0.996。相组成演变过程也符合经典水化理论:随着养护龄期增加,水泥不断消耗,水化产物增多并填充孔隙。

在"水泥颗粒尺寸分布"研究中,对生成和真实微结构中水泥颗粒的累积体积分布(AVD)进行比较,发现两者在小颗粒和中颗粒范围内分布相似,但在大颗粒(>50μm)范围存在差异,这主要归因于微结构立方体边界的"壁效应"。

"相连通性分析"采用线性路径函数(LPF)量化了孔隙和外产物相的连通性。结果显示生成微结构与真实微结构在空间连通性上表现出高度相似性,验证了TL-DiT捕捉微结构形态特征的能力。

最后,"分类模型的混淆矩阵"分析显示,预训练的VGG-16分类模型对生成和真实微结构的预测准确率都很高,虽然真实微结构的预测准确率略高,但两者表现出相似的错误分类模式,进一步证实了生成微结构的真实性。

研究结论指出,TL-DiT框架能够高效生成高保真的水泥浆体3D微结构,为建立微结构-性能关系提供了新工具。该方法克服了传统实验方法成本高、耗时长的问题,也避免了水化模型需要大量假设的局限性。生成微结构在统计特性、相组成演变、颗粒分布和相连通性等方面都与真实微结构高度一致,验证了该方法的可靠性。

这项研究的创新点主要体现在三个方面:首先,提出的两阶段潜在表示方法有效压缩了3D数据集同时保留了关键微结构信息;其次,开发的扩散变换器模型能够准确捕捉3D微结构的空间特征;最后,系统验证表明生成微结构不仅视觉逼真,在统计和物理特性上也与实验数据吻合。这些进展为水泥基材料的多尺度建模和性能优化提供了新的研究手段,对开发更环保、更耐久的建筑材料具有重要意义。

研究也存在一些局限性,如边界效应影响大颗粒表征、当前条件机制仅支持离散输入等。未来的研究可以探索连续性条件输入、扩大材料系统范围,以及开发边界连续性保持方法,进一步提升模型的适用性和生成质量。总体而言,这项工作展示了生成式AI在建筑材料研究中的巨大潜力,为计算材料科学开辟了新途径。

相关新闻
生物通微信公众号
微信
新浪微博
  • 急聘职位
  • 高薪职位

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号