用机器学习预测小尺寸铁多晶的弹塑性性质
计算物理
2023-08-30 v3 材料科学
数据分析、统计与概率
摘要
晶体材料的变形是复杂系统行为的一个有趣例子。小样品通常对外加应力表现出类随机、不规则的响应,表现为其力学性质显著的样品间差异。本工作中,我们结合分子动力学模拟与机器学习,研究一大组由 Voronoi 镶嵌生成的小尺寸立方体铁多晶的样品依赖性剪切模量与屈服应力的可预测性。训练卷积神经网络以推断样品初始多晶结构与后续应力-应变曲线特征间的映射,揭示剪切模量比屈服应力可更好预测。我们在系统响应对初始态微小扰动的敏感性背景下讨论我们的结果。
引用
@article{arxiv.2302.13745,
title = {Predicting elastic and plastic properties of small iron polycrystals by machine learning},
author = {Marcin Mińkowski and Lasse Laurson},
journal= {arXiv preprint arXiv:2302.13745},
year = {2023}
}