KI und die schwierigen Probleme der Welt · Chemie & Materialien · arXiv · 2026-10-21
TexFlow: Lernen kristallographischer Textur auf der SO(3)-Mannigfaltigkeit mittels Normalizing Flows
Originaltitel: TexFlow: learning crystallographic texture on SO(3) manifold via normalizing flows
Die kristallographische Textur, die die Orientierungen der Körner in polykristallinen Materialien statistisch beschreibt, wird konventionell mit Orientierungsverteilungsfunktionen und Polfiguren analysiert, doch diese unterstützen für sich genommen keine prädiktive Modellierung von Prozess-Struktur-Eigenschafts-Beziehungen, und Rotationen auf der nicht-euklidischen Gruppe SO(3) schränken den Einsatz von Standardmethoden des maschinellen Lernens ein. TexFlow ist ein bedingter Normalizing Flow, der durch eine sechsdimensionale Gram-Schmidt-Orthogonalisierungsrepräsentation Wahrscheinlichkeitsverteilungen über Rotationen in SO(3) erlernt, die bedingte Modellierung p(R|c) unterstützt, wobei c Prozessparameter wie Temperatur oder Verformungszustand sein können, und Visualisierungen der Textur mittels Hopf-Faserung einführt. Validiert sowohl an experimentellen als auch an simulierten Datensätzen, erfasst es multimodale Texturen und deren bedingte Entwicklung präzise und bietet einen datengetriebenen Rahmen für Prozess-Textur-Beziehungen.