面向分子动力学断裂数据粗粒化的统一非局部近场动力学框架
材料科学
2023-01-12 v1 机器学习
摘要
分子动力学(MD)已成为一种强大的工具，可在较少依赖实验室测试的情况下设计材料。然而，直接利用MD处理介观尺度材料的变形与失效在很大程度上仍不可及。在此，我们提出一种学习框架，从MD模拟的材料断裂数据集中提取近场动力学模型作为介观连续介质替代模型。首先，我们开发了一种新颖的粗粒化方法，以自动处理MD位移数据集中的材料断裂及其相应不连续性。受加权本质无振荡(Weighted Essentially Non-Oscillatory)格式启发，关键思想在于一种自适应过程，自动选择局部最光滑模板，然后将粗粒化材料位移场重构为含不连续性的分段光滑解。接着，基于粗粒化MD数据，提出一种两阶段基于优化的学习方法来推断带损伤准则的最优近场动力学模型。在第一阶段，我们从无材料损伤的数据集识别最优非局部核函数，以捕捉材料刚度特性。然后在第二阶段，从含断裂的数据中将材料损伤准则学习为平滑阶跃函数。由此获得近场动力学替代模型。我们的近场动力学替代模型可用于不同于训练网格分辨率的进一步预测任务，因此与MD相比可大幅降低计算成本。我们用单层石墨烯的若干数值测试说明了所提方法的有效性。测试表明，该数据驱动模型鲁棒且可泛化：它能建模在离散化与加载设置不同于训练时所用的情形下的断裂萌生与扩展。
引用
@article{arxiv.2301.04540,
title = {Towards a unified nonlocal, peridynamics framework for the coarse-graining of molecular dynamics data with fractures},
author = {Huaiqian You and Xiao Xu and Yue Yu and Stewart Silling and Marta D'Elia and John Foster},
journal= {arXiv preprint arXiv:2301.04540},
year = {2023}
}