Нейросеть собрала 3D-модель пористого материала по одному снимку
Исследователи Московского физико-технического института (МФТИ) и Сычуанского университета научили нейросеть строить объемную модель пористого материала по единственному двумерному снимку среза.
Метод SWNN сочетает нейронные сети со срезанным расстоянием Вассерштейна и работает с кубами в сотни миллионов ячеек. Результаты опубликованы в международном научном издании ScienceDirect.
Пористость можно задавать на входе, а неоднородные структуры собирать по маске. По теплопроводности и проницаемости для жидкостей модели практически неотличимы от реальных образцов, а по качеству превосходят диффузионные и состязательные сети при меньших вычислительных затратах.
Метод пригодится при создании пористых анодов, катализаторов и фильтров и при моделировании пород-коллекторов нефти и газа.
