基于米勒指数的潜在晶体断裂面推理和视觉语言模型生成

我们研究多模态 大语言模型 (MLLM) 是否可以利用晶面指数（米勒指数）作为推理断裂几何形状的结构化潜在表示。我们将米勒指数 $z = (h,k,l)$ 制定为控制理想化平面断裂的潜在变量，并评估两种互补能力：(i) 潜在推理，其中模型在物理有效条件下将视觉观察结果映射到平面假设，以及 (ii) 潜在适用性评估，其中模型确定这种表示对于给定断裂图像是否有意义。通过涵盖合成数据、受控 2D--3D 几何对以及跨多种材料类别（包括陶瓷、玻璃、金属和混凝土）的真实断裂图像的广泛实验，我们表明 MLLM 可以在理想化设置中可靠地执行潜在推理，而且更重要的是，当基础物理不支持潜在表示时，可以拒绝潜在表示。作为探索性扩展，我们进一步检查人工智能生成的断裂序列，并观察定性上合理的脆性断裂进展行为，这表明多模态生成模型可能编码与材料失效动力学相关的部分隐式物理先验。这些结果表明，MLLM 可以充当以结构化潜在先验为条件的物理感知推理系统，前提是有效域已明确建模。