悬滴张力测定法：一种机器学习方法
软凝聚态物质
2020-09-11 v1 机器学习
化学物理
计算物理
摘要
现代悬滴张力测定法依赖于杨-拉普拉斯方程的数值解，并允许从单张悬滴图像高精度地确定表面张力。大多数此类技术多次求解杨-拉普拉斯方程，以寻找能为真实液滴的给定图像提供拟合的材料参数。在此我们引入一种机器学习方法，以计算效率更高的方式解决该问题。我们训练一个深度神经网络，利用大量数值生成的液滴形状训练集来确定给定液滴形状的表面张力。我们表明，深度学习方法中，若训练集中的形状反映了液滴形状对表面张力的敏感性，则其在速度和精度上优于当前最先进的形状拟合方法。为推导此类优化训练集，我们阐明了沃辛顿数作为常规形状拟合及机器学习方法中质量指标的作用。我们的方法展示了深度神经网络在一般流变变形实验中材料参数确定方面的能力。
引用
@article{arxiv.2006.10111,
title = {Pendant Drop Tensiometry: A Machine Learning Approach},
author = {Felix Kratz and Jan Kierfeld},
journal= {arXiv preprint arXiv:2006.10111},
year = {2020}
}