基于四元数的视觉Transformer掩码自编码器在合成数据预训练下的多晶EBSD扫描分析研究

针对多晶材料微观结构分析中高维数据降维和全局特征提取的挑战，研究人员开发了基于四元数的视觉Transformer掩码自编码器（ViT-MAE）。该模型通过65%掩码率的自监督预训练，在合成数据上学习后能有效迁移到真实EBSD扫描数据，成功实现了晶体取向重建和孪晶异常检测，为材料科学多模态分析提供了可靠的潜在表征空间。

　　

在材料科学领域，准确表征多晶材料的微观结构对理解其性能至关重要。电子背散射衍射(EBSD)作为重要的表征技术，能够提供晶体取向等关键信息，但面临高维数据处理和全局特征提取的挑战。传统卷积神经网络(CNN)虽擅长捕捉局部特征，却难以建模长程空间依赖性，而材料微观结构往往需要同时关注局部晶界特征和全局织构分布。此外，真实EBSD数据标注成本高昂，且不同模态材料数据（如力学性能与微观结构）的融合分析存在技术瓶颈。

为应对这些挑战，Pierre Belamri等研究人员在《Materials Characterization》发表研究，提出基于四元数的视觉Transformer掩码自编码器(Quaternion-Based ViT-MAE)。该工作创新性地将自监督学习引入材料科学领域，通过大规模合成数据预训练模型，再迁移至真实EBSD数据分析。研究采用65%掩码率的掩码自编码策略，使用物理启发的旋转距离损失函数，在保持晶体学流形特性的同时，实现了对128×128四元数取向图的高质量重建。

关键技术方法包括：1)使用Neper软件生成包含300-1000个晶粒的3D合成FCC晶体数据集；2)构建10层Transformer编码器和8层解码器的ViT-MAE架构，嵌入维度1024；3)采用基于四元数流形的旋转距离损失函数；4)通过Mahalanobis距离在潜在空间进行异常检测；5)使用两个真实Inconel 718 EBSD数据集验证模型性能。

研究结果方面，"4.1合成数据集重建性能"显示模型能准确重建掩码区域，晶内平均取向误差<3°，晶界区域误差10-15°。"4.2真实EBSD数据重建性能"证实预训练模型可有效迁移到真实数据，极图分析表明重建保持了原始织构特征。"4.3孪晶检测"通过潜在空间Mahalanobis距离分析，实现93% AUC的Σ3孪晶边界检测，优于重建误差方法(82% AUC)。"4.5损失函数选择"验证旋转距离损失比MSE更适和四元数数据。"4.6掩码比例影响"发现35%掩码率时检测性能最佳。"4.7孪晶特征"分析表明模型主要响应薄层形态而非Σ3晶体学关系。

讨论部分指出，该ViT-MAE成功克服了CNN的局部感受野限制，通过自注意力机制捕获了微观结构的全局上下文。虽然重建在晶界处精度稍低，且潜在空间存在维度坍缩，但模型展现出优异的域适应能力。研究创新性地将四元数表示与Transformer结合，解决了传统欧氏距离不适用于SO(3)流形的问题。公开的模型和数据集为材料科学多模态分析奠定了基础，未来可整合EBSD全息衍射信息，或与力学性能数据关联，推动材料基因工程发展。

该研究的核心价值在于：1)建立了首个面向EBSD分析的大规模预训练框架；2)验证了合成数据预训练对真实材料表征的有效性；3)开发了适应晶体学特性的专用损失函数；4)为多模态材料数据分析提供了标准化潜在空间。这些突破将加速材料发现和优化过程，特别在航空发动机高温合金等关键材料的缺陷检测和质量控制方面具有重要应用前景。