受物理啟發的神經網路用於通過 Cahn-Hilliard 流動進行材料 3D 微結構演化的極限時間外推能力和熱力學一致性

本研究展示了一種卷積遞迴神經網路 (CRNN)，它可以準確預測材料在三維空間中經歷旋節線分解過程的微結構演化，並保持熱力學一致性，證明了基於物理原理設計的機器學習方法在材料模擬領域的潛力。