eduzrh/mamba-3

HEA 分子动力学文献数字化数据集

高熵合金（HEA）分子动力学（MD）模拟文献的曲线数据数字化成果，面向材料领域模型训练 （应力-应变响应 / 位错密度演化 / 孪晶演化 / 相演化）。

概览

• 9 篇论文（编号 P01–P10；P08 因"纳米多孔 HEA"命中排除条件未入选），70 个样本。
• 四类目标曲线：stress_strain（应力-应变）、dislocation_density（位错密度）、 twin_evolution（孪晶演化）、phase_evolution（相演化）；同类多次出现（不同温度/取向/ 孪晶间距等）均按样本分别提取，不同工况严禁合并。
• 统一网格：strain 0–0.2，步长 0.0005，共 401 点；单位统一（应力 GPa、位错密度 10¹⁹ m⁻²、温度 K、孪晶密度 nm⁻¹、相占比分数）。
• 孪晶字段：twin type 按各论文孪晶类型逐篇填写；孪晶成核应力（Twin Nucleation Stress） 全库论文均未报告数值 → 留空（理由逐条记于 Sheet3/备注说明）。
• 最终交付：deliverable/论文提取data_final.xlsx（4 个 sheet：样本元数据 62 列 / 曲线数据 横向分块 / 待人工处理清单 / 备注说明）。
• 工况图：每篇论文附代表工况图（figures/paper_figs/）——应力-应变图、相占比图（含多种相）、 位错密度图、孪晶占比图各一张；与论文原图的并排对比见 figures/cmp_figs/。

目录结构

deliverable/论文提取data_final.xlsx   # 最终交付 Excel
pipeline/scripts/*.py                 # 全部提取 / 构建 / 校验脚本
pipeline/docs/方法说明.md             # 提取方法与质量校验（完整记录）
data/P01…P10/                         # 每样本 Sheet2 TSV（表头 + 401 行 × 16 数据列）
data/P01…P10/extract/                 # 中间提取数据（轨迹点、标定、掩模等 npz）
data/P06/extract_P06v4/               # P06 Fig.22/23 位错密度 7 分量（v4-final）
data/P06/extract_P06fig21/            # P06 Fig.21 孪晶/层错体积分数（v9，8 面板）
data/texts/                           # 论文正文文本（检索用）
figures/paper_figs/                   # 每篇论文代表工况 4 类目标图（55 张）
figures/cmp_figs/                     # 原图 vs 提取重绘并排对比（77 张）

快速使用

import numpy as np, openpyxl

wb = openpyxl.load_workbook('deliverable/论文提取data_final.xlsx', read_only=True)

# ---- Sheet2：按 18 列步进解析每个样本块（1 列 sample_id + 16 列数据 + 1 列间隔）----
ws = wb['Sheet2']
rows = list(ws.iter_rows(values_only=True))
hdr = rows[0]
data = np.array([[np.nan if v is None else v for v in r] for r in rows[1:]], dtype=float)
for c0 in range(0, data.shape[1], 18):
    if np.all(np.isnan(data[:, c0])):
        continue
    sid = int(data[0, c0])
    block = data[:, c0 + 1:c0 + 17]
    # strain | Y_sigma_GPa | tw_density | BCC/FCC/HCP/other | rho_total |
    # Perfect/Shockley/Frank/Stair-rod/Hirth/Other | 1/2<111> | <100>
    print('sample', sid, 'strain', block[0, 0], '->', block[-1, 0])

# ---- Sheet1：样本元数据（每 sample 一行 × 62 列）----
ws1 = wb['Sheet1']
meta = list(ws1.iter_rows(values_only=True))

或直接读取单样本 TSV：

import pandas as pd
df = pd.read_csv('data/P10/P10_S1_sheet2.tsv', sep='\t')

提取与质量保证

• 流程：PDF 渲染（400/600 dpi）→ 严格颜色掩模 → 连通段/标记检测 → 自动种子投票聚合 / EDT 代价最短路径 DP（密集交叠曲线）→ 坐标标定 → 保形插值（PCHIP）→ 401 网格 → 物理校验。
• P06 位错密度（Fig.22/23）：矢量 ribbon 0.2px 密采样 + 尖峰顶点恢复，7 类分量 （Total / Perfect / Shockley / Frank / Stair-rod / Hirth / Other）全提取。
• P06 孪晶/层错体积分数（Fig.21）：位图混色模型（α/resid 两段判据 + 橙线禁带）， 8 面板（4 取向 × 拉压 × 77/300/500 K）全锚定。
• 校验：与示范 Excel 逐点对比（P05 应力 MAE 0.037 GPa）；原图反投影/并排对比； P10 采用 EDT 贴合判据（全段 ≤6 px）；颜色-工况映射与曲线形态经论文物理叙述双重验证。
• 完整方法与逐条决策记录见 **pipeline/docs/方法说明.md**。

许可与致谢

本数据集为已发表论文图形的数字化衍生数据与再绘图，原始数据版权归各论文作者/期刊所有， 仅供研究使用。论文清单与 DOI 见 Excel Sheet1。