Material image engineering: Generation of multi-phase microstructural image by GAN

材料图像工程：通过 GAN 生成多相微观结构图像

• 批准号: 22H01807
• 负责人: 足立 吉隆
• 金额: $ 9.48万
• 依托单位: Nagoya University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22H01807/
• 关键词: 敵対的生成ネットワーク; フェイク組織画像; 完全バーチャル材料設計; 鉄鋼材料; 有限要素法; GAN; DCGAN; CycleGAN; SRGAN; SliceGAN; マテリアルDX; データサイエンス; マテリアルズインフォマティクス; 画像創成

様々な敵対的生成ネットワーク(generative adversarial network: GAN)を適用し、材料組織画像のバーチャル生成を行った。訓練画像と似て非なる画像を多量に生成するDCGAN、非ペアの二組の画像の特徴を交換するCycleGAN、低品質画像を高解像度化するSuper Resolution GAN (SRGAN)、数枚の二次元画像から三次元像を生成するSliceGANを鉄鋼材料組織に適用し、超効率的に高品質のバーチャル材料組織を生成することに成功した[1,2,3]。DCGANを利用し、二相組織鋼の多量の画像を生成し、その画像から有限要素法により応力ひずみ曲線を得た。これは材料組織、特性のバーチャルデータ取得が可能ということであり、データサイエンスによる順・逆解析と連携して、完全バーチャル材料設計への道筋を示した。CycleGANを適用し、光学顕微鏡画像を走査型電子顕微鏡画像（逆も可能）に変換した。SRGANを適用し、「リンゴ」で訓練した低品質画像からの高品質画像への変換モデルを使って、低解像度の光学顕微鏡画像を超解像度化した。SliceGANを適用し、原著のモデルを使って、等方性、異方性のある二相組織鋼の一枚、三枚の二値化処理した二次元画像から高品質の三次元像を生成した。更に、っ献茶二峰性を有する積層造形ステンレス鋼の三枚のグレースケール組織画像から、高品質の三次元像を生成する改良モデルを構築した。[1] R. Narikawa, et al., Adv. Theory Simul. 2022, 2100470. [2] K. Sugiura, et al., Adv. Theory Simul. 2022, 2200132. [3] K. Sugiura, et al., Journal of Imaging, in press.

A generic adversarial network (GAN) is applied to the generation of material organization images. Training images and non-dimensional images are generated in large quantities, such as DCGAN, CycleGAN, Super Resolution GAN (SRGAN) for low-quality images, and SliceGAN for iron-steel material organization. DCGAN uses the finite element method to generate multiple images of two-phase steel. The material organization, the characteristic and the path of the material design are shown in the following ways: CycleGAN is applicable to optical micro-mirror images and electronic micro-mirror images (reverse possible). SRGAN is suitable for training, low quality images, high quality images, high resolution images, and high resolution images. SliceGAN is applicable to the original, the original and the two-phase structure of steel, and the three-dimensional image is generated with high quality. In addition, there are two peaks in the tea, three layers of steel, three layers of tissue images, and three layers of high-quality images. [1] R. Narikawa, et al., Adv. Theory Simul. 2022, 2100470. [2] K. Sugiura, et al., Adv. Theory Simul. 2022, 2200132. [3] K. Sugiura, et al., Journal of Imaging, in press.