基于潜扩散模型(Latent Diffusion Model, LDM)在有限数据条件下生成混凝土三维X射线计算机断层扫描(Computed Tomography, CT)图谱的高保真方法

《Engineering Applications of Artificial Intelligence》：High-fidelity generation of three-dimensional X-ray computed tomography graph for concrete under limited data based on a latent diffusion model

　　

摘要：混凝土细观(mesoscale)结构的三维(3D)高保真建模对于研究其力学性能与耐久性仍至关重要。然而，传统方法如随机骨料模型(Random Aggregate Model, RAM)难以复现真实的复杂结构，而基于X射线计算机断层扫描(X-ray Computed Tomography, X-ray CT)的重建方法成本高昂且耗时。此外，现有3D生成方法在生成质量与计算效率的平衡上仍面临挑战。为解决上述问题，本研究提出一种基于潜扩散模型(Latent Diffusion Model, LDM)的两阶段生成方法，旨在有限数据条件下高效生成高保真的混凝土CT体数据(Volume Data)。该方法首先利用矢量量化生成对抗网络(Vector Quantized Generative Adversarial Network, VQ-GAN)将高分辨率3D CT数据压缩至低维潜空间(Latent Space)，保留关键细观特征；随后在潜空间内训练3D去噪扩散概率模型(Denoising Diffusion Probabilistic Model, DDPM)以学习数据分布。实验结果表明，生成样本在灰度分布、相(Phase)体积比、孔隙形态、骨料级配(Gradation)及力学性能等关键物理特征上与真实数据高度一致，并展现出优异的结构多样性与细观结构合理性。此外，与现有生成模型相比，所提方法降低了训练与推理阶段的硬件需求，显示出优越的工程适用性，为混凝土细观数值模拟提供了高效可靠的数据支持。

论文解读：基于潜扩散模型的有限数据下混凝土三维X射线CT图谱高保真生成

混凝土作为现代建筑中最广泛使用的复合材料，其力学性能与耐久性评估通常依赖大量样本的统计分析。相较于传统实验方法，混凝土细观(Mesoscale)数值模拟因可重复、可视化强及成本低等优势，逐渐成为重要的研究手段。在细观尺度上，混凝土被视为由砂浆(Mortar)、骨料(Aggregate)、界面过渡区(Interfacial Transition Zone, ITZ)及孔隙(Pore)组成的复合材料。传统的随机骨料模型(Random Aggregate Model, RAM)虽应用广泛，但难以精确还原内部复杂结构，且在骨料体积分数较高时放置成功率低；基于X射线计算机断层扫描(X-ray Computed Tomography, X-ray CT)的直接重构方法则存在设备昂贵、制样耗时及专业门槛高的问题；微观结构表征与重构(Microstructure Characterization and Reconstruction, MCR)方法仅依赖低阶统计描述符（如两点相关函数），往往丢失高阶形态特征。近年来，生成式人工智能（生成对抗网络Generative Adversarial Network — GAN、去噪扩散概率模型Denoising Diffusion Probabilistic Model — DDPM等）被用于复合材料微结构生成，但直接在高分辨率3D像素空间训练扩散模型受限于GPU显存，通常只能生成低分辨率（如64×64×64 Voxel）体数据，而降采样会损失语义信息。受Latent Diffusion Model (LDM) 及医学影像相关研究的启发，Zhantang Chen、Bihan Zhang及Yu Zhang研究人员开展了本研究，提出一种两阶段3D高分辨率混凝土CT体数据生成框架，以解决有限数据下的高保真生成与计算资源瓶颈问题。该研究成果发表于《Engineering Applications of Artificial Intelligence》。

研究人员采用的主要关键技术方法如下：构建包含开源数据与自制数据的混凝土CT数据集（试件依据GB/T 50081-2019制作并养护28天，经NanoVoxel-4000及Zeiss Xradia 510设备进行多尺度CT扫描）。第一阶段，基于Vector Quantized Generative Adversarial Network (VQ-GAN) 框架，将高分辨率3D CT体数据编码压缩至低维离散潜空间，通过Codebook学习保留细观特征；第二阶段，在潜空间内训练3D U-Net架构的DDPM学习潜变量分布，实现端到端3D体数据合成，并通过峰值信噪比(Peak Signal-to-Noise Ratio — PSNR)、结构相似性(Structural Similarity Index Measure — SSIM)及两相体分比等物理统计量进行验证，同时与RAM、CEM3DMG及像素空间DDPM进行多维度对比。

Dataset construction（数据集构建）

研究人员收集了开源及自制四类混凝土样本共15组数据，样本按标准养护后经不同尺寸切割以适应不同CT设备，进行多尺度扫描获得3D CT体数据，为后续模型训练与验证提供基础。

Methodology（研究方法）

研究人员实施基于LDM的两步训练法：先用VQ-GAN将3D CT数据编码入低维潜空间，再在该潜空间训练3D DDPM。VQ-GAN通过编码器-解码器结构与码本(Codebook)量化，在压缩数据量的同时保持骨料、孔隙等细观特征；DDPM通过在潜空间执行正向加噪与反向去噪过程学习真实CT数据的分布规律，从而生成新的潜向量并经VQ-GAN解码得到高分辨率3D CT体数据。

Evaluation of VQ-GAN（VQ-GAN重构性能评估）

研究人员选取不同参数配置（不同Codebook Size及Embedding Dimension），对50个真实样本与VQ-GAN重构样本计算PSNR与SSIM。结果表明所有配置下PSNR与SSIM均处于较高水平，其中K2048-E32配置在码本利用率与重构质量上表现最优，验证了VQ-GAN适用于混凝土CT图像的压缩与重构任务。

Comparative analysis of the model performance（