晶粒长大模拟不再解相场方程：VN定律管面积、图神经网络管重构，五例基准平均快137倍

二维多晶组织长大现在可以只演化晶粒面积、再由神经网络把面积还原成空间组织，不必求解相场方程。 此前相场法把晶界当作弥散界面求解，计算量大，限制了可探索的初始组织与动力学条件范围。 在五个初始组织上以晶粒数降到初始一半为共同进度基准，VN-GraphGG平均墙钟时间38.43秒，相场法5247.01秒，逐例比值的算术平均为136.9。

每一步先把组织场转成图，用VN定律更新每个晶粒节点的面积，再由图卷积解码器把图还原成像素级组织场。 图神经网络此前多用于学习整条演化轨迹，迭代应用时近似误差会沿预测轨迹累积。 解码器在6000对图-场测试样本上平均逐场像素误差3.54%，边界与邻接F1分别为0.916和0.973，平均每晶粒面积误差2.04像素。

动力学系数与重构模型分离，改系数不需要重新训练网络，拓扑事件由重构加后处理自然处理。 统计型VN模型只演化晶粒统计量，不给出可供空间分析的多晶场。 在异常晶粒长大算例中，固定对比度扫描高系数晶粒比例，发生率在中间比例附近最高为0.93，比例升到100%后回落到0.67。

该方法面向二维晶粒长大，用VN定律规定每一步的晶粒面积，再由训练好的图到场解码器还原组织，因此适用于需要显式控制晶粒尺度动力学、并做系综比较的模拟场景。重构模型训练一次后固定，动力学系数可独立调整而无需重训。作者提出可扩展到更大区域、更多组织类别与实验场，并指出各向异性晶界性质、溶质拖曳、第二相钉扎与内应力可通过相应的动力学表述和输入特征引入，三维方向可借助广义MacPherson–Srolovitz关系。

方法在每一步把VN定律施加于重构出的组织，这是一个近似；VN定律本身只描述晶粒尺度动力学，不指定演化中的组织形貌。相场基准中VN-GraphGG的墙钟时间取三次重复的平均，而每个相场算例只运行一次，且相场时间取输出轮询观测到的停止事件而非在状态间插值。异常晶粒长大的发生率区间由以初始场为聚类单位的自助重采样给出，每个条件用三个选择种子在十个初始场上共运行30次模拟。