evoxels: 基于体素的可微分物理微结构模拟框架
材料科学本质上是跨学科的：实验人员使用先进显微技术揭示微纳尺度结构，而理论与计算科学家则开发连接加工工艺、结构与性能的模型。连接这些领域对于逆向材料设计至关重要——从目标性能出发反向推导最优微结构与制造路径。将高分辨率成像与预测模拟、数据驱动优化相结合，可加速发现进程并深化对工艺-结构-性能关系的理解。
可微分物理框架evoxels采用完全Python化的统一体素方法，整合了以下技术要素：
- 分割后的三维显微数据
- 物理模拟引擎
- 逆向建模工具链
- 机器学习组件
该框架通过体素化表征实现：
- 实验显微数据的直接数字化映射
- 物理场量的离散化计算
- 梯度信息的自动微分获取
- 与神经网络的无缝集成
技术架构特点：
- 基于PyTorch/TensorFlow构建的可微分计算图
- 支持GPU加速的并行体素运算
- 多物理场耦合求解器接口
- 显微图像到计算模型的端到端流程