全球大容量數碼體積相關性的子體積適應性網格化方法
背景
在材料科學和工程領域中，數碼體積相關性（Digital Volume Correlation，DVC）是一種強大的影象分析技術，用於研究複雜 3D 結構的力學行為和變形。透過比較在不同載入或變形狀態下捕獲的一對 3D 數碼影象中的畫素強度，DVC 可以高精度且非侵入性地跟蹤並量化位移、應變和其他力學性質。這種非破壞性且定量的方法在研究各種材料（從生物組織和複合材料到多孔材料）方面具有廣泛應用，為工程和生物醫學應用的材料力學行為的理解做出了重要貢獻。方法
儘管可以透過區域性或全域性方法進行 DVC，但全域性方法的準確性要高於區域性方法，這是由於全域性位移插值的連續性。然而全域性 DVC 的普及性受到硬體約束的約束，因為在最佳化過程中，需要大量的計算能力來儲存和更新整個參考和變形的 3D 影象。 為了克服硬體約束，曼徹斯特大學的 Harwell 資料分析經理 Fabien Leonard 博士開發了一種基於子體積適應性網格化方法的解決方案，以在大於 DVC 算法所執行的硬體所允許的大小約束的體積上進行全域性 DVC。該方法依賴將大型網格化體積劃分為較小的重疊體積和相應的網格，這些體積可以被計算機硬體按線序處理，以執行全域性 DVC。然後，評估重疊區域中的節點，並將結果子體積的全域性 DVC 結果合併為一個覆蓋整個體積的輸出結果檔案。在一個相對於計算硬體所允許的大小約束有一個數量級更大的感興趣體積和網格大小下對一個石墨樣本進行壓縮機械負載的原位測試中進行了示範，它提供了一種解決方案，以克服硬體約束，同時需要對大卷所進行全域性 DVC 和網格密度可根據樣本內預期的損壞位置進行使用者定義。結論與展望
這項研究的成果為全球大容量數碼體積相關性分析提供了一種新的方法。透過子體積的適應性網格化方法，研究人員能夠克服硬體約束，對大尺寸體積進行高精度的全域性 DVC 分析。這一方法有助於提高材料力學行為的研究，並在工程和生物醫學應用領域做出更深入的貢獻。未來，可以進一步改進該方法，並將其應用於更廣泛的材料和應用領域。參考文獻
- [Global digital volume correlation of large volumes: A sub-volume adaptive meshing approach](https://techxplore.com/news/2023-09-global-digital-volume-large-volumes.html) - [Global digital volume correlation of large volumes: a sub-volume adaptive meshing approach, e-Journal of Nondestructive Testing (2023)](https://doi.org/10.58286/26629) 在材料科學和工程領域中，數碼體積相關性（DVC）是一種重要的影象分析技術，被廣泛應用於研究材料的力學行為和變形，從而提高工程和生物醫學領域的應用。一項來自曼徹斯特大學的研究引入了一種新的子體積適應性網格化方法，以克服全域性 DVC 在硬體約束下的挑戰。這一研究為全球大容量數碼體積相關性分析提供了一個有前景的解決方案，將為材料科學和工程領域的研究帶來更多的洞察力和進展。 全域性 DVC 相比於區域性 DVC 具有更高的準確性，但受到硬體約束的影響。由於全域性 DVC 需要大量的計算能力來處理整個參考和變形的 3D 影象，因此其應用受到約束。然而該研究的成功展示了透過子體積適應性網格化的方法，可以解決這一硬體約束。該方法透過將大型體積劃分為較小的重疊區域，並逐個處理這些區域，最後將結果合併為一個整體的分析結果。這樣的方法克服了儲存和更新大型 3D 影象的計算困難，從而實現了全域性 DVC 的分析。 該研究在一個石墨樣本的原位測試中進行了示範，證實了該方法的有效性。研究人員成功地對大尺寸的樣本進行了全域性 DVC 分析，從而提供了高解析度和高精度的力學行為資料。這對於材料工程和生物醫學研究具有重要的價值，並且可以為相關領域的應用提供更深入的理解。 然而這項研究還有一些局限性需要克服。首先現有的硬體約束仍然是全域性 DVC 應用的一個挑戰。雖然透過子體積適應性網格化方法可以部分解決這個問題，但仍然需要更強大的計算能力才能支援更廣泛的全域性 DVC 應用。其次該方法在處理大尺寸體積時可能會面臨一些挑戰，例如更高的計算時間和記憶體需求。因此未來的研究可以將重點放在改進計算效率和縮短分析時間上，以進一步提高該方法的可行性和實用性。 在材料科學和工程領域，數碼體積相關性（DVC）是一個非常重要的技術和研究領域。該研究透過引入一種新的子體積適應性網格化方法，成功地克服了全域性 DVC 在硬體約束下的挑戰，為進一步理解材料的力學行為和提高相關應用的效能開啟了新的可能性。這項研究為材料科學和工程領域的學術和實際應用帶來了新的洞察力和潛在價值，並為未來相關研究提供了重要的參考和啟示。GlobalCapacityandSub-volumeGridification-數碼體積、相關性、子體積、適應性、網格化方法
