人工神经网络用于通过分子动力学模拟预测晶体聚胺12的机械性质
Caglar Tamur1, Shaofan Li1, Danielle Zeng2
1Department of Civil and Environmental Engineering, University of California, Berkeley, CA 92740, USA.
Polymers
|November 14, 2023
概括
本研究使用人工神经网络 (ANN) 来预测3D打印的聚胺12 (PA12) 的机械性能. 这种机器学习方法准确地模拟了增材制造应用的压力-应变行为.
科学领域:
- 材料科学 材料科学 材料科学
- 计算力学 计算力学 计算力学
- 聚合物科学 聚合物科学
背景情况:
- 由于复杂的制造工艺和独特的微观结构,预测3D打印聚合物的材料特性具有挑战性.
- 现有的方法难以捕捉增材制造材料的异构机械行为.
研究的目的:
- 开发一个人工神经网络 (ANN),用于预测晶体聚胺12 (PA12) 的机械性能.
- 为半晶聚合物建立一个多尺度模拟方法的基础.
主要方法:
- 利用分子动力学 (MD) 模拟来生成聚胺12 (PA12) 的数据.
- 开发和训练了一个人工神经网络 (ANN),以根据MD模拟数据预测压力-应变关系.
- 将宏观变形梯度输入到ANN以获得分子级压力-应变关系.
主要成果:
- 该ANN准确地预测了聚胺12 (PA12) 的应力-张力关系.
- 该模型提供了三维的,分子级别的异型压力-应变行为.
- 展示了一种高效准确的机器学习方法来预测材料属性.
结论:
- 人工神经网络 (ANN) 提供了一种有效的方法来预测3D打印的聚胺12 (PA12) 的机械性能.
- 这项工作为在增材制造中半晶聚合物的多尺度建模提供了关键一步.
- 开发的ANN可以集成到宏观力学模型中,如有限元分析.


