Modelos de tensores basados en redes neuronales para cristales líquidos con información a nivel molecular.

Área de la Ciencia:

• Ciencia de los materiales Ciencia de los materiales.
• Física computacional es la física computacional.
• Física de la materia blanda Física de la materia blanda

Sus antecedentes:

• El modelo de Landau-de Gennes (LdG) es una teoría del continuo para las fases de cristales líquidos (LC).
• Los modelos LdG son menos precisos y físicamente informados que las simulaciones a nivel molecular.
• El modelado preciso de las fases de LC es crucial para la ciencia de los materiales y las aplicaciones de dispositivos.

Objetivo del estudio:

• Desarrollar un nuevo modelo de tensor basado en redes neuronales (tensor NN) para cristales líquidos.
• Para mejorar la precisión y la fidelidad física del modelado de fase LC.
• Para calcular de manera eficiente configuraciones estables de LC y resolver microestructuras complejas.

Principales métodos:

• Desarrolló un modelo de tensor NN supervisado por un modelo molecular subyacente.
• Integrado el modelo NN-tensor dentro de una segunda red neuronal para el cálculo eficiente.
• Validación del modelo para las fases de cristales líquidos nemáticos y smecticos.

Principales resultados:

• El modelo NN-tensor logró una precisión energética comparable a los modelos moleculares.
• Capturó con precisión la transición de fase isotrópica-nemática, superando al modelo LdG.
• El modelo predijo cuantitativamente el grosor de la capa smectical y resolvió microestructuras complejas como Omega y los límites de grano en forma de T.

Conclusiones:

• El marco NN-tensor proporciona un enfoque unificado, eficiente y físicamente fiel para el cálculo de las configuraciones de LC.
• Este método supera las limitaciones de los enfoques convencionales para resolver intrincadas microestructuras de LC.
• El modelo NN-tensor representa un avance significativo en la simulación de diversas fases de cristales líquidos.