学习异质基底的有效黏附特性
应用物理
2023-09-04 v1
摘要
黏附是一种基本现象，在许多工程和生物应用中发挥作用。本文关注使用机器学习来表征将薄膜从异质基底上剥离时的有效黏附特性。近期，在将宏观本构关系从微观问题重复求解所收集的数据中学习得到的多尺度建模中，机器学习的应用受到关注。我们将此方法推广至剥离问题；这具有挑战性，因为从异质基底剥离的特征在于钉扎——剥离前沿在异质处卡住，随后发生突发的脱钉。这导致依赖于异质性的临界力，以及奇异的剥离力与总体剥离速率关系。我们提出了一种神经架构，能够准确预测临界剥离力以及从异质黏附图案得到的剥离力与总体剥离速率关系的奇异性质。其他自由边界和自由不连续问题中也出现类似问题，我们开发的方法适用于这些情形。
引用
@article{arxiv.2309.00083,
title = {Learning the Effective Adhesive Properties of Heterogeneous Substrates},
author = {Maximo Cravero Baraja and Kaushik Bhattacharya},
journal= {arXiv preprint arXiv:2309.00083},
year = {2023}
}