企业官网建设流程全解析

1. 为什么要做颗粒随机分布模型

1.1 规则排列几何模型的隐藏问题

做材料仿真的人应该都有过类似经历：刚开始接触颗粒增强复合材料、混凝土细观模型或者电池电极多孔结构时，图省事，直接用周期性规则排列的球体或圆柱体建模型。比如把颗粒按正方格子或六方格子码好，然后用COMSOL自带的阵列功能一拉，几何就出来了。跑完静力学分析，应力云图看着挺漂亮，也觉得能发文章了。

但真正拿这个模型去对标试验结果时就会发现，问题不少。最典型的是力学性能预测值系统性偏高。规则排列的颗粒在加载方向上形成了近乎连续的承载骨架，颗粒之间的基体受力被严重低估。做拉伸模拟时，裂纹总是沿着颗粒列之间的薄弱基体带扩展，路径非常规则，和实际断口的随机裂纹路径完全是两回事。如果你的研究方向是损伤演化或者疲劳寿命，这种规则模型的误导性非常大。

除此之外，规则排列还会引入伪各向异性。正方排布在0度和45度方向上的刚度响应差别明显，但真实材料经过混料、压制、烧结之后，颗粒取向和分布是随机的，宏观上应该是各向同性的。你用规则模型去拟合等效弹性模量，取平均值还可以，但一旦涉及各向异性参数、损伤演化准则的标定，偏差就控制不住了。

还有一点容易被忽略，就是局部应力集中的位置。规则排列模型中，应力集中总是发生在颗粒与颗粒的最短连线处，数量固定、位置固定，稍微改变一下载荷角度，应力峰值的位置变化很小。但真实材料的失效往往是从某个团聚颗粒簇或某个极近间距的颗粒对之间开始的，这是一个概率事件，规则模型本质上无法描述这种概率特性。

1.2 随机分布模型解决的真实工程问题

随机分布模型解决的核心问题，是在几何层面尽可能还原真实材料的细观结构。颗粒的位置、尺寸、取向都不是人为指定的固定网格，而是服从某种统计规律分布在基体内部。这样一来，应力场的分布更加真实，应力的概率密度分布曲线能和实际材料对得上；裂纹萌生的位置随机分布在多个可能的危险区域，而不是固定在某一条规则路径上；宏观等效性能也不会出现明显的方向性。

从研究内容上说，随机分布模型支持你研究几个规则模型做不了的问题。一个是颗粒团聚效应。真实材料中，颗粒浓度高的区域往往就是应力集中和裂纹萌生的源头，你可以人为制造不同团聚程度的分布样本，统计团聚系数对宏观强度的影响。另一个是临界体积分数问题。颗粒体积分数增大到一定程度后，颗粒开始形成贯穿的接触链，热学性能、电学性能或者力学性能会发生突变，这个突变点只有随机分布模型才能真正模拟出来。再一个是统计代表性体积单元（RVE）的尺寸选择。你可以在不同尺寸的RVE下生成多个随机样本，比较等效性能的离散程度，找到性能趋于收敛的最小RVE尺寸，这个数据和实验表征的体胞尺寸是可以对应上的。

所以这个模型不是科研论文里的花架子，是做材料多尺度仿真非常实用的基础工具。搞复合材料力学的、做固体氧化物燃料电池电极模拟的、研究混凝土氯离子渗透的、甚至做超声波散射和吸波材料设计的，基本都要用到这个能力。

2. 颗粒随机分布的数学基础和生成算法选型

2.1 从均匀分布到硬核模型

随机分布这个词听起来简单，但真要在有限区域内生成一堆互不重叠的颗粒，背后是有数学讲究的。

最简单的想法是：在矩形或圆柱区域内，为每个颗粒的中心点生成均匀分布的随机坐标，然后分别赋值一个半径。但这样做马上会遇到一个致命问题——颗粒之间大概率会重叠。区域内的颗粒数越多，颗粒半径越大，重叠概率越高。颗粒一旦重叠，导入COMSOL做几何时，布尔操作会报错，或者生成一个自相交的怪形几何体。

所以工程上实际使用的随机分布模型基本都是硬核模型（Hard Core Model）。核心约束只有一个：任意两个颗粒中心之间的距离大于等于两个颗粒半径之和。也可以增加一个额外的安全距离系数，让颗粒之间保留一点最小间隙，方便后续网格划分。

硬核模型在数学上还有一套配分函数的表述，但对做仿真的人来说，掌握算法思想比公式更重要：把颗粒一个个往区域里放，每放一个就检查它和已放颗粒的间距约束，不满足就重新生成位置，直到满足或者达到最大尝试次数。

2.2 三种主流生成算法对比

实现硬核随机分布，工程上有三种常用思路，我分别说一下它们的适用场景和坑。

第一种是顺序随机吸附算法，也叫RSA（Random Sequential Adsorption）。这个算法最直观：逐个生成颗粒，随机位置，检查重叠，重叠就扔掉重新生成。优点是实现简单、代码量极少；缺点是当颗粒体积分数超过某个阈值时（圆和球体大概在30%到35%左右），因为空间被塞满了，新颗粒几乎每次都重叠，生成效率急剧下降。为了达到这个体积分数，你需要反复尝试数万次甚至数十万次。所以RSA更适合低体积分数场景，比如体积分数在20%以下的复合材料初步仿真。

第二种是随机扰动重排算法。先把颗粒按规则排列摆好，占据你想要的最终体积分数，然后对每个颗粒的位置反复施加随机小位移，颗粒之间碰撞了就相互推开，多轮迭代之后，网格结构逐渐变得随机化，同时维持了颗粒不重叠的约束。这个方法的优点是体积分数可以做到很高，而且生成速度快，缺点是颗粒的最终分布会保留规则排列的“结构记忆”，仔细看空间分布还是带一点格子痕迹，可能会影响随机性的统计分析。

第三种是分子动力学或离散元铺排法。用开源的分子动力学软件（比如LAMMPS）给颗粒赋予一个初始速度场，让它们在盒子里运动碰撞，最后弛豫到一个稳定的堆积态，然后导出坐标。这个方法可以生成体积分数高达50%甚至60%以上的随机堆积结构，而且分布非常自然，但问题是要在不同软件之间倒数据，坐标导入格式需要自己写脚本，流程比较长。

我自己做工程仿真时，推荐一个折中方案：直接用RSA生成低体积分数的二维或三维模型，满足大多数需求；如果追求高体积分数，就用随机扰动重排算法，一个脚本搞定，不需要额外装软件。这在很多时候比一开始就上MD来得快得多。

2.3 工具链组合：脚本生成坐标与COMSOL导入

搞清算法之后，关键问题就是怎么把坐标变成COMSOL里的几何。

大多数人刚开始会直接在COMSOL内用全局定义节点写随机函数，比如用random函数配合全局参数表达式来生成圆或球的位置。这种内置做法问题很大：COMSOL的random函数每次重新计算模型时都会生成新的随机数，导致几何变了，物理场结果跟着变；而且内置函数做不了颗粒间的重叠判断，几何冲突非常常见。所以我不建议在COMSOL内部做这件事。

推荐的做法是在外部用Python或MATLAB生成坐标和半径，保存成文本文件，然后在COMSOL里用Java API脚本或LiveLink接口导入数据并批量创建圆或球体。这个流程有三大好处：随机种子可控，想复现结果就把种子固定；重叠判断提前做完了，导入COMSOL的都是有效坐标；算法的调试成本低，在Python里发现问题比在COMSOL里调试轻松得多。

如果不想用Java API，还有一个更简单的路子：把坐标数据存成包含圆心坐标和半径的CSV表格，用COMSOL的“创建几何”功能里的“曲线/圆”节点，配合全局参数读取CSV来循环创建几何对象。但这个方法需要你手动定义一个全局参数索引，用起来不如脚本方便。

把核心思路梳理清楚之后，下一步就是实际操作了。我从生成坐标开始，完整跑通一个二维圆颗粒随机分布的COMSOL模型，大家可以直接对照着复现。

3. 实操：完整搭建颗粒随机分布COMSOL模型

3.1 第一阶段：用Python生成不重叠颗粒坐标

我还是用Python来生成坐标数据，因为Python环境轻量、容易调试，而且NumPy的向量化操作能快速完成重叠判断。

先定一个目标：在边长10mm的方形区域内，生成40个圆形颗粒，半径范围0.4到0.8mm，目标体积分数约为12%。粗算一下：40个颗粒，平均半径0.6mm，单个颗粒平均面积约1.13平方毫米，总面积约45平方毫米，占100平方毫米区域的比例就是45%，明显偏高了，所以40个颗粒肯定放不下。这个例子反过来说明体积分数粗略预估很重要。

我把参数调下来：目标体积分数15%左右，那么总面积15平方毫米，颗粒平均半径0.5mm，单个面积0.785平方毫米，大约需要19个颗粒。我把目标颗粒数定为20，半径范围0.4到0.6mm，平均半径0.5mm，总面积约15.7平方毫米，目标体积分数还是偏高——这些颗粒随机撒在100平方毫米的区域里确实困难，但RSA在15%左右还是能勉强完成的。

以下是生成代码的完整实现：

import numpy as np import csv # 固定随机种子，保证结果可复现 np.random.seed(42) # 区域尺寸 L = 10.0 # mm margin = L/2 # 二维坐标，取中心在原点 # 颗粒参数 num_particles = 20 r_min = 0.4 r_max = 0.6 # 最小间隙（mm） gap = 0.05 particles = [] max_attempts = 20000 total_area = 0.0 attempts = 0 while len(particles) < num_particles and attempts < max_attempts: attempts += 1 r = np.random.uniform(r_min, r_max) x = np.random.uniform(-L/2 + r, L/2 - r) y = np.random.uniform(-L/2 + r, L/2 - r) # 检查与已存在颗粒的重叠 ok = True for p in particles: dx = x - p[0] dy = y - p[1] dist = np.sqrt(dx*dx + dy*dy) min_dist = r + p[2] + gap if dist < min_dist: ok = False break if ok: particles.append((x, y, r)) total_area += np.pi * r * r # 输出统计信息 volume_fraction = total_area / (L * L) print(f"成功生成颗粒数: {len(particles)}") print(f"体积分数: {volume_fraction * 100:.2f}%") # 保存坐标和半径到CSV文件 with open("particles_2d.csv", "w", newline="") as f: writer = csv.writer(f) writer.writerow(["x", "y", "r"]) for p in particles: writer.writerob([p[0], p[1], p[2]])

运行之后，终端会输出成功生成的颗粒数和体积分数。如果体积分数离目标差距较大，就需要调整颗粒半径范围或目标数量。这个循环逻辑就是核心：随机生成位置、检查重叠、满足则记录、不满足则丢弃重来。注意我在间距判断里加了一个gap变量，设置0.05mm的安全间隙，为后续网格划分留空间。

颗粒数量少的时候这个算法很轻松，但如果你把体积分数调到25%以上，这个脚本可能会循环很久甚至死循环。这时候就需要用前面提到的随机扰动重排算法，或者适当提高max_attempts并接受一个略低的体积分数。

3.2 第二阶段：把坐标导入COMSOL并批量创建几何

拿到CSV文件后，打开COMSOL，建立二维模型。

最简单的批量导入方式是使用COMSOL的Java API脚本。以下脚本可以在COMSOL的“开发工具”里通过“运行脚本”执行：

import com.comsol.model.*; import com.comsol.model.util.*; Model model = ModelUtil.create("Model"); model.component().create("comp1", true); model.component("comp1").geom().create("geom1", 2); // 读取CSV文件 CSVParser parser = new CSVParser(new FileReader("particles_2d.csv")); List<List<Double>> data = parser.getAllValues(); // 跳过表头 for (int i = 1; i < data.size(); i++) { double x = data.get(i).get(0); double y = data.get(i).get(1); double r = data.get(i).get(2); // 在坐标处创建圆 model.component("comp1").geom("geom1").create("c" + i, "Circle"); model.component("comp1").geom("geom1").feature("c" + i) .set("r", r) .set("x", x) .set("y", y); } model.component("comp1").geom("geom1").run();

这里我把每个颗粒创建为一个名为c1、c2的圆对象，坐标和半径从CSV读取。COMSOL的Circle节点默认圆心在(x, y)，半径用r设置，所以脚本非常直白。

如果你不想用Java API，还有一个图形界面方式：在“几何”节点下手动添加一个“圆”后，在“位置”栏把“x”和“y”的值设置为一个全局参数变量。但这种做法需要你预先在“全局定义”里做参数表，把20个颗粒的坐标和半径全部设置成参数，建20个圆节点，工作量和脚本差不多，还容易手滑出错。

生成几何之后，检查几何序列里的对象列表，20个圆应该都在。然后先别急着加“形成联合体”，下一步才是关键。

3.3 第三阶段：基体域与嵌入域的处理

这一步是颗粒随机分布模型的一个重要分水岭。COMSOL里的布尔操作和装配体选择，直接影响后续材料指认和物理场设置的正确性。

如果颗粒和基体在几何层面是各自独立的对象，分成两个材料区域，那么你需要用“形成联合体”的默认方式，让COMSOL自动把重叠区域和边界都处理成共享边界。COMSOL会为圆和外部矩形区域自动切割，生成一个带孔的多连通域作为基体，圆作为独立的嵌入对象。这样网格划分时，圆和基体的界面是共形网格，物理场计算默认建立连续边界条件，非常方便。

但如果你的颗粒之间可能存在轻微接触（比如高体积分数的模型），直接用“形成联合体”很容易在颗粒接触点处产生尖角或极薄的基体区域，网格划分时质量极差。这种情况我建议改用“形成装配体”，让每个颗粒独立成一个域，界面处用“接触对”或“装配体对”来建立连接关系。代价是后续需要额外处理界面接触条件，计算量也会大一些，但几何鲁棒性和收敛性会好很多。

在模型验证阶段，可以直接用“形成联合体”，把颗粒与基体当成完美界面处理，重点看应力场分布和等效模量。论文写清楚你用的是理想界面假设即可。如果是做界面脱粘或裂纹扩展，就必须用装配体+内聚力模型，这时候“形成装配体”就是必选项。

还有一种特殊情况：如果你的颗粒是刚性夹杂，可以把颗粒区域直接设置为“刚性域”而不用单独划分网格。在固体力学物理场里，对颗粒域添加“刚性域”约束就能实现，几何上甚至可以省略颗粒域，直接对基体域中孔洞的内壁施加边界约束。这种方法能大幅减小网格规模，特别适合三维高体积分数模型。

3.4 第四阶段：物理场、材料参数与网格设置

几何搞定之后，以固体力学为例设置物理场。基体设为各向同性弹性材料，杨氏模量取2GPa，泊松比0.35，模拟聚合物基体；颗粒设为氧化铝陶瓷，杨氏模量380GPa，泊松比0.22。注意这个刚度比接近200倍，属于高对比度材料，对网格质量要求比较高。

边界条件：底边固定约束，顶边施加1%的压缩位移载荷。两侧自由。由于颗粒随机分布，这个模型左右两边面积和颗粒个数不完全对称，所以宏观载荷下会产生小的剪应力分量，这是正常的，也体现了随机模型的真实特性。

网格划分是整个仿真中最考验耐心的一步。我建议先用“自由三角形网格”，整个域指定“细化”级别的最大单元尺寸0.2mm。在颗粒边界附近需要更细的网格来捕捉应力集中，可以添加一个“尺寸”节点，选择所有圆边界，设置最大单元尺寸0.05mm。然后运行网格统计，检查网格质量。特别注意最小单元质量不能太低，如果低于0.1，需要局部调整尺寸或回到几何阶段修复间距问题。

求解设置比较简单，静态分析，默认的稳态求解器直接算。但如果颗粒刚度远大于基体刚度，刚度矩阵条件数较大，直接求解可能出现收敛缓慢的情况。建议在求解器设置里把“直接求解器”切换为PARDISO，容差调整到1e-6，实测下来稳定性和速度都还可以。

计算完成后，先看总位移分布，再看基体中的第一主应力云图。你大概率会发现应力集中在颗粒间距较小的区域，这就是随机分布模型的价值所在——这些高应力区是随机出现的，而不是规则排列时的固定位置。

4. 常见问题与排查技巧实录

4.1 几何构建失败或自相交报错

这是新手最容易撞上的坑。明明CSV文件里的坐标都检查过了，重叠判断也做了，但COMSOL生成联合体时报错“检测到自相交”。

出现这个问题的原因通常是两个。第一是你在Python里设置的gap安全间隙太小，比如0.01mm，而COMSOL几何内核的容差默认是相对值，处理后可能把间距小于容差的边界合并，导致几何拓扑改变。解决办法是把gap调大到0.05mm以上，或者在“形成联合体”设置里临时降低几何容差。第二是圆形对象的段数设置导致近似边界相交。COMSOL中圆默认用圆弧段近似，你导入的圆如果被离散成多条线段，颗粒间距很小时，线段之间可能在数值上产生交叉。解决办法是在Circle节点的高级设置里增加圆的分段数，让圆边界更平滑。

排查手段是在生成“形成联合体”之前，先单独运行每个圆的布尔操作，检查哪个颗粒和别的颗粒存在间距过近的情况。我之前就写过一个小脚本，把颗粒两两间距小于阈值的配对全部打印出来，一目了然。

4.2 内存不足或计算卡死

做随机分布模型，特别是三维模型，内存问题几乎是绕不开的。一个100微米边长的立方体RVE，随机放50个10微米直径的球，自由网格划分之后，单元数很可能超过150万，节点数逼近300万。这种情况下，8GB内存的机器直接卡死非常正常。

我的建议是分层控制。先算二维模型，所有算法和参数验证差不多了，再上三维。三维模型优先用结构化或扫掠网格，不要用自由四面体。如果颗粒形状不是重点，也可以用等效正方体代替球体，能显著减少网格数量。再一个技巧是使用COMSOL的“自适应网格细化”，先在粗网格上求解，然后在应力梯度大的区域局部加密，两轮迭代后的精度足够。

内存不够还可能是几何本身导致的。颗粒数量多、间距小，网格单元自然会非常多。必要时降低颗粒体积分数到10%以下，或者选用更大的RVE但只放少量大颗粒，优先保证结果趋势正确。

4.3 网格质量差导致不收敛

颗粒随机分布模型最让人头痛的问题就是高体积分数时，颗粒间距小，中间基体区域变成细长条，网格质量一塌糊涂，单元质量低于0.1，求解直接发散。

这个问题有几种处理思路。最简单的方案是回头调整颗粒生成算法，把gap设大一点，牺牲一点体积分数换取几何可靠性。第二种方案是边界处使用边界层网格，在颗粒表面生成多层薄层单元，应力梯度大的区域更精确。第三种方案是改用“形成装配体”，让每个颗粒独立成域，各自划分网格，然后用装配体接触对连接，这样颗粒和基体的网格可以不共形，网格质量更容易控制。

我个人的习惯是：只要颗粒体积分数高于20%，一律用“形成装配体”加“装配体对”的方式处理界面。虽然设置麻烦一点，但稳定性好很多。

4.4 随机分布结果无法复现

这是一个容易被忽视但很容易导致返工的问题。COMSOL自带的random函数每次计算都会生成新的随机序列，除非你事先指定了seed参数。所以如果你直接用内置函数生成颗粒位置，第一次运行和第二次运行时，颗粒位置变了，网格变了，结果也变了，想回头复现某次结果非常困难。

我在Python脚本里固定了np.random.seed(42)，这样每次生成的坐标序列完全一致。如果你要在COMSOL里做参数化扫描，每个参数点对应不同随机样本，可以用参数作为随机种子的一部分，比如：

model.param().set("seed", (int)(Math.random() * 10000));

但更稳妥的做法还是外部脚本生成多个坐标文件，在COMSOL里逐个导入。每个文件对应一个固定样本，结果可复现、可比对、可统计。

4.5 移动网格或大变形场景的处理

很多人在COMSOL里做颗粒增强材料的大变形或振动分析时会遇到移动网格相关的问题。热搜词里出现的“comsol移动网格”也说明这个需求很普遍。

如果你只是做静态弹性分析，几何不变形，不需要移动网格功能。但如果你要模拟颗粒在基体中发生大位移（比如剪切载荷下的颗粒转动），或者做流固耦合或颗粒输送，就需要开启“移动网格”接口。这个场景下，几何对象之间的初始间隙、网格退化会成为主要问题，建议先用刚体域简化，不要一上来就做全变形。

做移动网格的随机分布模型时，最重要的是颗粒之间保留足够的初始净距，否则在变形过程中网格会出现负Jacobian，求解马上终止。实测下来，颗粒间距至少要有3到5层网格单元的空间。

5. 体积分数控制与边界效应处理

5.1 体积分数的计算与控制逻辑

很多做过随机分布模型的人都会遇到一个问题：脚本输出体积分数和目标值对不上。

原因在于，颗粒生成是逐个随机添加的，体积分数是一个随机的结果而不是约束条件。你设定的半径分布、颗粒数、区域尺寸共同决定了最终体积分数，但每次运行因为随机性的存在，结果会有波动。

如果对体积分数有严格要求，建议改用“固定颗粒总数+半径范围调整”策略。先固定颗粒数为N，通过解析公式粗略预估半径范围，然后用二分法搜索合适的平均半径，直到实际生成的体积分数落在目标区间内。下面是一个简单的修正思路：

def generate_model(mean_radius, num_particles, target_vf, tol=0.01): for _ in range(20): particles = generate(mean_radius, num_particles) vf = compute_vf(particles) if abs(vf - target_vf) / target_vf < tol: return particles if vf > target_vf: mean_radius *= 0.95 else: mean_radius *= 1.05

这个循环的思路很简单：体积分数高了就缩小半径，低了就放大半径，迭代几次就能逼近目标值。注意半径变化会改变颗粒的相对尺寸分布，所以如果粒径分布也要控制，优先调整颗粒数量而不是半径范围。

5.2 代表性体积单元尺寸选择

随机分布模型的边界效应对结果的影响很大。所谓边界效应，就是RVE外边界附近的颗粒分布密度与内部不一致，导致边界附近的应力场发生畸变。

经验准则是：RVE的最小边长不应小于最大颗粒直径的5倍，最好是10倍以上。以直径1mm的颗粒为例，RVE边长至少5mm，推荐10mm。这样边界效应主要影响外圈一层薄薄的基体，对中心区域的应力平均值影响较小。

验证边界效应是否可接受的正规做法是：固定颗粒生成算法和体积分数，逐步增大RVE尺寸，比如5mm、7.5mm、10mm、15mm，分别生成多个随机样本，计算等效弹性模量。画一条模量-尺寸曲线，当尺寸增大到一定程度后，等效模量趋于稳定，离散方差显著减小，那个尺寸就是统计收敛的临界RVE尺寸。

如果你的研究目标是裂纹萌生或界面脱粘，RVE尺寸还要再大一些，因为损伤演化对局部应力集中非常敏感，小尺寸RVE无法捕捉到足够的极端应力事件。

5.3 周期性边界条件的取舍

做随机分布模型时经常有人问：要不要加周期性边界条件？

先说结论：如果颗粒分布不是周期性生成的，那么加周期边界条件在数学上是严格不成立的。周期边界条件的本质是让RVE边界两侧的变形和应力保持连续，等效于把RVE无限周期复制。但随机颗粒在边界处是被裁切的，边界上的颗粒在周期复制后会产生不连续的几何突变，周期边界条件就失去了意义。

如果想用周期性边界条件获得更平滑的宏观响应，需要在生成颗粒时就同时生成周期性镜像颗粒，也就是给每个真实颗粒在RVE外补上镜像副本，确保周期复制后颗粒分布是连续退化的。实现方式是：每生成一个颗粒，就把它在8个相邻RVE内镜像一次，然后做重叠判断时把这些镜像颗粒也参与检查。这样获得的几何体在周期边界条件下是严格兼容的。

不过大多数情况下，不加周期边界条件，直接用位移边界计算等效性能，结果也能接受，只是精度稍逊。如果你不是发论文需要严格的均匀化理论做支撑，直接用简单边界条件就够了。

6. 实操总结与一些个人体会

我把这套流程完整跑了不止十次，踩过的坑比上面说的还多。最想提醒后来人的一点是：不要一上来就追求高体积分数和三维复杂模型。先从二维低体积分数把流程跑通，验证材料参数和边界条件没有问题，再逐步增加颗粒数量、提高体积分数、切换到三维建模。这个路子看起来多走几步，实际是最省时间的。

另外，随机分布模型的统计特性比单次计算结果更有价值。建议每次参数扫描至少生成3到5个随机样本取平均值，这样得到的等效模量、峰值应力等宏观指标才具有代表性。很多审稿人都会要求统计收敛性分析，单一样本的数据说服力不足。

COMSOL里做颗粒随机分布这件事，表面上是几何建模问题，实质上更像一门“建模方法论”——算法选型、几何修复、网格策略、边界条件设置，每一步环环相扣。把这个链条打通之后，你会发现不只是颗粒增强复合材料，很多细观随机结构的仿真（多孔介质、纤维增强、粉末冶金、电池电极）都可以复用同一套方法论。

最后再送一个小技巧：生成坐标的代码里，记得把随机种子、体积分数、颗粒数、平均粒径全部存到一个日志文件里。做仿真研究的时候，数据和模型的溯源能力跟结果的准确性一样重要，你总不希望三个月后回头找不出当初跑出某个结果用的是哪组参数。