본 논문은 단섬유 복합재료 이미지의 대규모 데이터셋을 사용하여 마스크된 이미지 재구축을 통해 자기 지도 학습된 비전 트랜스포머인 물질 마스크 자동 인코더(MMAE)를 제시합니다. 사전 훈련된 MMAE는 필수적인 미세 구조적 특징을 포착하고 다양한 작업에 광범위하게 전이 가능한 잠재적 표현을 학습합니다. 두 가지 주요 응용 프로그램을 보여줍니다. 첫째, 제한된 데이터에 대한 미세 조정을 통해 균질화된 강성 구성 요소를 예측하고, 둘째, 상호 작용 기반 재료 네트워크(IMN)와 MMAE를 결합하여 물리적으로 해석 가능한 매개변수를 추론하여 비선형 응력-변형 응답의 외삽을 가능하게 합니다. 이러한 결과는 미세 구조 기반 모델의 가능성을 강조하고 3D 복합재료 및 실험 데이터셋과 같은 더 복잡한 시스템으로의 향후 확장을 위한 기반을 마련합니다.
