# Modelo de grafos simula crescimento de grãos mais depressa do que o campo de fase

> Investigadores da Hong Kong University of Science and Technology, da HKUST Guangzhou e da Universidade de Wuhan desenvolveram uma simulação de crescimento de grãos baseada em grafos. Atualiza as áreas dos grãos pela lei de von Neumann–Mullins e reconstrói a microestrutura com uma rede neuronal.

- URL canônica: https://newsverum.com/pt/news/graph-grain-growth-simulation-vn-law-microstructure-2026
- Editora: Newsverum
- Seção: Ciência
- País: Hong Kong, RAE da China
- Publicado: 2026-10-13T00:51:40+00:00
- Atualizado: 2026-10-13T00:51:40+00:00
- Período do evento ou dos dados: 2026-10-09
- Outras edições: [Türkçe](https://newsverum.com/tr/news/graph-grain-growth-simulation-vn-law-microstructure-2026.md), [English](https://newsverum.com/en/news/graph-grain-growth-simulation-vn-law-microstructure-2026.md), [العربية](https://newsverum.com/ar/news/graph-grain-growth-simulation-vn-law-microstructure-2026.md), [Français](https://newsverum.com/fr/news/graph-grain-growth-simulation-vn-law-microstructure-2026.md), [Español](https://newsverum.com/es/news/graph-grain-growth-simulation-vn-law-microstructure-2026.md), [Deutsch](https://newsverum.com/de/news/graph-grain-growth-simulation-vn-law-microstructure-2026.md)

O método VN-GraphGG transforma uma microestrutura policristalina bidimensional num grafo com nós de grãos e junções. Em cada passo, as áreas dos grãos são atualizadas por uma lei física ligada ao número de lados; em seguida, uma rede neuronal de grafos reconstrói o campo microestrutural seguinte. Esta separação permite alterar coeficientes cinéticos sem voltar a treinar o componente de reconstrução.

Num conjunto de teste com 6.000 exemplos, os autores reportam erro médio de classificação por píxel de 3,54% e erro médio de área de 2,04 píxeis por grão. Também relatam comportamento global de engrossamento semelhante ao das simulações de campo de fase, com custo computacional duas ordens de grandeza inferior. São comparações de simulação; o artigo não relata validação experimental num processo de produção real.

## Dados

### Resultado relatado pelo estudo

Exemplos de teste para avaliar a reconstrução de um campo de microestrutura a partir de um grafo de grãos.

Metodologia: O artigo reporta erro médio de classificação por píxel de 3,54% e precisão de 96,46% em 6.000 pares grafo-campo. São resultados de teste, não uma precisão de previsão medida num material real.

| Quantidade relatada | Valor | Âmbito específico do estudo |
|---|---|---|
| Pares grafo-campo no conjunto de teste de reconstrução | 6000 | Exemplos de teste para avaliar a reconstrução de um campo de microestrutura a partir de um grafo de grãos. |

Fontes: <https://arxiv.org/abs/2610.13418> · Baixar dados: [JSON](https://newsverum.com/api/v1/articles/graph-grain-growth-simulation-vn-law-microstructure-2026/data/study-result?lang=pt&format=json) · [CSV](https://newsverum.com/api/v1/articles/graph-grain-growth-simulation-vn-law-microstructure-2026/data/study-result?lang=pt&format=csv)

## Fontes

- [arXiv](<https://arxiv.org/abs/2610.13418>) (Fonte verificada: 2026-10-13; Publicado: 2026-10-09)

---

Use a URL canônica acima para citar este artigo. [Princípios editoriais e correções](https://newsverum.com/pt/editorial)