利用深度学习将微结构映射到冲击诱导温度场
材料科学
2023-03-31 v1
摘要
材料对动态或冲击载荷的响应在行星科学、航空航天工程与含能材料中具有重要意义。热激活过程（包括化学反应与相变）因沉积能量局域化为热点而显著加速。这些结果源于超音速波与材料微结构的相互作用，并受复杂的耦合过程支配，包括孔隙塌缩、界面摩擦与局域塑性变形。这些机制尚未被完全理解，且当今我们缺乏预测性模型，例如仅从化学与微结构出发预测冲击到爆轰的转变。我们证明深度学习技术可用于预测复杂复合材料在大规模分子动力学模拟中产生的冲击诱导温度场，且仅以初始微结构作为输入。微结构感知冲击诱导温度网络（MISTnet）模型的精度高于当前最优水平，而计算成本仅为其一小部分。
引用
@article{arxiv.2303.17345,
title = {Mapping microstructure to shock-induced temperature fields using deep learning},
author = {Chunyu Li and Juan Carlos Verduzco and Brian H. Lee and Robert J. Appleton and Alejandro Strachan},
journal= {arXiv preprint arXiv:2303.17345},
year = {2023}
}