ポリマー複合材料における応力適応型界面を介した機械的トレードオフの機械学習誘導解像度

科学分野:

• 材料科学
• 高分子科学
• 生体材料工学

背景:

• 高強度、高靭性、高耐衝撃性をポリマー複合材料で達成することは、トレードオフと脆性破壊のために困難である。
• 界面特性と構造設計は、エネルギー散逸と複合材料全体の性能にとって重要である。

研究 の 目的:

• ポリマー複合材料の普遍的な靭性戦略を開発すること。
• 骨にヒントを得たアーキテクチャと応力適応型界面を統合して、機械的特性を向上させること。
• 複合材料配合の多目的最適化のためのデータ駆動型フレームワークを確立すること。

主な方法:

• 海綿骨のようなインターロックアーキテクチャと熱力学的に駆動される応力適応型界面の統合。
• 組成-性能探索のためのPareto Set LearningとActive Learningを組み合わせたデータ駆動型フレームワークの開発。
• 最適な配合を特定するための組成-性能ランドスケープの体系的な探索。

主要な成果:

• 最適化されたポリマー複合材料は、相乗的な機械的特性を示す：強度250 MPaまで、破壊靭性 > 14 MPa·m^1/2、耐衝撃性約4.8 J。;提案された戦略は、ほとんどの生体模倣および工学ポリマー複合材料の性能を上回る。;靭性戦略のスケーラビリティ、化学的汎用性、および広範な適用可能性を実証した。

結論:

• 骨にヒントを得た応力適応型界面戦略は、次世代軽量ポリマー複合材料へのプログラム可能なルートを提供する。
• このアプローチは、複合材料設計における基本的な課題に対処する効率的なエネルギー散逸を可能にする。
• 開発されたデータ駆動型フレームワークは、バランスの取れた高性能複合材料配合のための体系的な最適化を容易にする。