基于分子动力学模拟的人工神经网络预测晶型聚酰胺12力学性能
软凝聚态物质
2023-11-01 v3 材料科学
摘要
由于高度局部化且复杂的制造过程，预测3D打印聚合物制品的材料性能是增材制造中的一项挑战。此类制品的微观结构与采用传统制造方法获得的微观结构根本不同，这使得任务更加困难。作为系统性多尺度方法的第一步，在这项工作中，我们开发了一种人工神经网络（ANN），基于从分子动力学（MD）模拟收集的数据来预测晶型聚酰胺12（PA12）的力学性能。利用机器学习方法，一旦将宏观尺度变形梯度作为ANN的输入提供，我们就能够预测PA12的应力-应变关系。我们已经证明这是一种高效且准确的方法，可为任意宏观尺度力学模型（例如任意积分点处的有限元建模）提供PA12的三维分子级各向异性应力-应变关系。本工作为模拟半结晶聚合物的多尺度有限元方法奠定了基础，该方法将作为独立研究发表。
引用
@article{arxiv.2307.10139,
title = {Artificial Neural Networks for Predicting Mechanical Properties of Crystalline Polyamide12 via Molecular Dynamics Simulations},
author = {Caglar Tamur and Shaofan Li and Danielle Zeng},
journal= {arXiv preprint arXiv:2307.10139},
year = {2023}
}
备注
Published in Polymers