L'IA face aux grands problèmes du monde · Chimie et matériaux · arXiv · 2026-10-21
TexFlow : apprentissage de la texture cristallographique sur la variété SO(3) via des flux normalisants
Titre original: TexFlow: learning crystallographic texture on SO(3) manifold via normalizing flows
La texture cristallographique, qui décrit statistiquement les orientations des grains dans les matériaux polycristallins, est classiquement analysée au moyen de fonctions de distribution des orientations et de figures de pôles, mais celles-ci ne permettent pas à elles seules une modélisation prédictive des liens procédé-microstructure-propriétés, et les rotations appartenant au groupe non euclidien SO(3) limitent l'utilisation des méthodes standard d'apprentissage automatique. TexFlow est un flux normalisant conditionnel qui apprend des distributions de probabilité sur les rotations de SO(3) grâce à une représentation par orthogonalisation de Gram-Schmidt à six dimensions, prend en charge la modélisation conditionnelle p(R|c) où c peut être des paramètres de traitement tels que la température ou l'état de déformation, et introduit des visualisations des textures par fibration de Hopf. Validé à la fois sur des jeux de données expérimentaux et simulés, il capture avec précision les textures multimodales et leur évolution conditionnelle, offrant un cadre piloté par les données pour les liens procédé-texture.