《ACTA MATERIALIA》：InfinityEBSD : Metrics-guided infinite-size EBSD map generation with diffusion models
编辑推荐：
为解决EBSD图谱获取成本高、尺寸受限且现有生成模型缺乏物理意义的问题，Sterley Labady等开展了基于DDPM（Denoising Diffusion Probabilistic Models）的无限尺度EBSD图谱生成研究。该研究提出的InfinityEBSD模型通过微结构指标（如晶粒尺寸、配位数等）条件化生成，实现了从统计描述符直接生成或从小图谱扩展生成任意尺寸的物理可解释EBSD图谱，为材料计算模拟提供了高质量数据源。
当AI学会“画”材料：用扩散模型生成无限大的微观世界
在航空航天和新能源领域，材料的“身体素质”——也就是微观结构，直接决定了它的强度、寿命和可靠性。想看透这种结构，电子背散射衍射（EBSD）是材料科学家最常用的“显微镜”。但现实很骨感：做一次EBSD扫描不仅烧钱，还极慢，得到的往往只是巴掌大的区域（通常只包含几十到几百个晶粒）。对于需要大尺度计算模型的仿真工程师来说，这点数据远远不够，严重限制了材料设计的效率。
传统的解决办法是“造”数据。早期用Voronoi图等方法生成的微结构太“假”，晶粒形状过于规则，像人工拼图；后来用深度学习（如GAN）生成的图虽然看起来像那么回事，但经常缺乏物理意义，没法直接用于严肃的科学计算。真正的痛点在于：如何生成一张既“大”得能满足计算需求，又“真”得能通过物理指标验证的EBSD图谱？
针对这一挑战，发表在《ACTA MATERIALIA》上的这项研究提出了InfinityEBSD。它不再把微结构当成普通的灰度图片来生成，而是将其视为受物理规律约束的晶体学数据。研究团队利用隐空间扩散模型（Latent DDPM），在压缩后的潜空间中进行去噪生成，并创新性地引入了微结构指标引导（Metrics-guided）机制。这意味着，AI在“画”每一颗晶粒时，都必须遵守科学家设定的晶粒尺寸、形状、配位数等8个物理指标。无论是将一块小样本“脑补”扩展成无限大的地图，还是仅凭一组统计参数从零生成全新样本，InfinityEBSD都能产出可直接导入MTEX或DIGIMU?软件进行后续分析的CTF格式文件，真正打通了“合成数据”到“工程应用”的最后一公里。
关键技术方法
本研究的技术路线主要围绕数据表征、模型架构与扩展策略三个核心环节展开。首先，针对EBSD数据的高维特性（每个像素包含三个欧拉角），研究采用变分自编码器（VAE）将原始EBSD图压缩至4D潜空间，极大降低了后续扩散模型的算力消耗。其次，构建了条件UNet作为去噪网络，通过交叉注意力（Cross-Attention）机制将8个关键微结构物理指标（晶粒尺寸、周长、惯性比、配位数、取向差分布及三个欧拉角分布）作为条件嵌入，引导模型生成符合物理统计规律的数据。最后，为解决大尺寸生成难题，提出了分块几何扩展策略（Patch-wise Geometric Extension），通过训练模型独立生成局部 patches 并利用几何连续性进行拼接，实现了从512×512输入到2048×2048乃至任意尺寸输出的无缝扩展。所有生成结果均以Channel Text Files (CTF) 格式导出，确保了与主流分析软件（MTEX, DIGIMU?）的兼容性。实验样本基于完全再结晶、等轴、无织构的Inconel 718和316L不锈钢EBSD数据。
研究结果
1. 物理指标引导的生成有效性
通过对比生成图谱与原始实验图谱的统计分布，验证了模型在物理指标上的忠实度。结果显示，在晶粒尺寸分布、配位数（Coordination Number）及晶界取向差（Disorientation Angle）等关键指标上，生成图谱与输入条件高度吻合。这表明扩散模型并非单纯地复制纹理，而是真正学习并复现了微观结构的统计物理规律。
2. 无限尺度扩展的连续性保障
传统的图像外推（Outpainting）方法在EBSD这种对晶界连续性要求极高的数据上容易产生割裂感。本研究提出的分块生成策略通过保持相邻patch之间的几何约束，成功生成了空间连贯的大尺度图谱。在从512×512扩展到2048×2048的案例中，晶粒跨边界连续生长，未出现明显的伪边界或取向突变，证明了该策略在维持微观结构拓扑完整性上的优势。
3. 隐空间扩散的效率优势
与在原始高维像素空间直接运行DDPM相比，在VAE编码的4D潜空间中进行扩散去噪，显著降低了计算复杂度。实验表明，这种“编码-生成-解码”的流程在保持EBSD图相位信息（Phase）和取向信息（Orientation）精度的同时，大幅提升了生成效率，使得在普通计算资源下生成高分辨率大数据集成为可能。
结论与展望
InfinityEBSD成功地证明了基于物理指标引导的扩散模型在材料科学微结构合成领域的巨大潜力。它解决了传统方法在物理意义缺失和尺度受限两方面的核心痛点，为计算材料学提供了可定制、可扩展的高质量数据源。
更重要的是，该框架建立了一种“指标驱动”的材料设计新范式。未来，这一思路可直接延伸至多相材料、3D微结构从2D数据推断等更复杂的场景，加速新材料从实验室设计到工程应用的进程。
