仅用27k参数就吊打1600万参数大模型！晶体取向图超分新方法零样本迁移未知合金
Symmetry-aware super-resolution of crystal orientation maps via invariant latent-space learning
📖 AI 总结
本文提出一种面向晶体取向图超分辨率的对称性感知方法SG-SRAN。由于电子背散射衍射数据本质上位于晶体对称群构成的商空间上，传统欧氏插值会混淆对称等价取向并模糊晶界。该方法通过冻结的局部等距编码器将等价取向映射到统一潜空间，使欧氏距离近似错取向角，并在该空间内完成超分辨率重建，同时限制每个高分辨率token仅依赖特征一致的局部支撑，以避免跨晶界混合，最终由字典解码器恢复合法取向。在FCC和HCP基准上，该模型仅用2.7万至4.9万可训练参数即达到1500万至1600万参数骨干网络的性能，取得最低p68误差和最高极图保真度，并实现对未见合金的零样本迁移。
🔑 关键词速览
| EBSD | 电子背散射衍射，一种用于测量材料中晶体取向和微观结构的实验技术。 |
| SO(3)/G | 三维旋转群模晶体对称群的商空间，表示晶体取向的等价类。 |
| SG-SRAN | 对称群感知超分辨率注意力网络，一种结合晶体对称性和边界保持的超分辨率方法。 |
| FCC | 面心立方，一种常见的晶体结构。 |
| HCP | 六方密排，另一种常见的晶体结构。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅