活性向列体的机器学习预测
软凝聚态物质
2020-11-03 v1 材料科学
摘要
活性向列体是一类远离平衡态的材料，其特征是产生力的各向异性组元具有局部取向序。预测活性向列体动力学的传统方法依赖于流体力学模型，这些模型准确描述了理想化流场以及许多稳态性质，但未能捕捉实验活性向列体的某些详细动力学。我们开发了一种深度学习方法，使用卷积长短期记忆（ConvLSTM）算法自动学习并预测活性向列体的动力学。我们在伸展型微管束的二维无约束活性向列体实验上，以及活性向列体数值模拟数据上，展示了这一纯粹数据驱动的方法。
引用
@article{arxiv.2011.00383,
title = {Machine Learning Forecasting of Active Nematics},
author = {Zhengyang Zhou and Chaitanya Joshi and Ruoshi Liu and Michael M. Norton and Linnea Lemma and Zvonimir Dogic and Michael F. Hagan and Seth Fraden and Pengyu Hong},
journal= {arXiv preprint arXiv:2011.00383},
year = {2020}
}