相场模拟是研究材料介尺度结构演化及其与力学性能关系的有效方法。然而，相场模拟需求解时-空关联的高阶偏微分方程，导致高精度、高维度、大体系、长时段相场模拟的时间成本和经济成本非常高昂。近日，土建与水利学院朱家明教授课题组开发了基于卷积神经网络算法的相场模拟代理模型，实现了对微结构演化的时-空预测，提升了代理模型的计算精度，计算误差比国际报道小一个数量级。此外，该代理模型在预测三维结构的时-空演化过程时也表现出较高的精度，为高通量、高精度、高维度、大体系、长时段材料计算奠定了基础。

相关成果以 Accelerating three-dimensional phase-field simulations via deep learning approaches为题，发表在国际学术期刊《JOURNAL OF MATERIALS SCIENCE》上。工程力学系朱家明教授为本文的通讯作者，硕士研究生周学伟为第一作者，该论文得到了国家自然科学基金、山东省自然科学基金的支持，山东大学为本文的第一科研单位和通讯单位。论文链接：https://link.springer.com/article/10.1007/s10853-024-10118-4