利用机器学习预测干泡沫局域屈服的时变动力学
软凝聚态物质
2020-05-28 v1 无序系统与神经网络
材料科学
摘要
干泡沫的屈服由气泡尺度上的微小基本屈服事件“T1”实现。我们研究在扩张二维流动几何中利用人工智能(AI)与最近邻分析大规模检测这些事件。仅使用单帧的AI方法达到了良好精度，以顶点为中心的图像获得最高分数，凸显顶点在泡沫局域屈服中的重要作用。我们研究T1的提前可预测性，表明这可在与局域邻域T1等待时间统计相关的时标上实现。局域T1事件可预测性发展在时间上不对称，并度量了局域屈服属性的变化以及类似的局域屈服后弛豫时标的存在。
引用
@article{arxiv.2005.13265,
title = {Machine learning and predicting the time dependent dynamics of local yielding in dry foams},
author = {Leevi Viitanen and Jonatan R. Mac Intyre and Juha Koivisto and Antti Puisto and Mikko Alava},
journal= {arXiv preprint arXiv:2005.13265},
year = {2020}
}