概括
基于物理学的神经网络 (PINNs) 允许虚拟制造微结构光纤 (MOF). 这种新的方法模拟了纤维绘图,预测尺寸和流动动力学,以改善MOF开发.
科学领域:
- 材料科学与工程 材料科学与工程
- 计算物理 计算物理
- 光纤技术是光纤技术的一种.
背景情况:
- 复杂的制造工艺阻碍了具有先进的微观结构和高性能的微结构光纤 (MOF) 的制造.
- 现有的模拟方法很难准确地模拟控制纤维绘图的复杂物理,特别是自由边界条件.
研究的目的:
- 引入一种使用物理信息神经网络 (PINNs) 的新型计算方法,用于模拟微结构光纤绘图过程.
- 开发一个虚拟制造模型,准确地捕捉纤维尺寸和内部流体动态的演变.
主要方法:
- 集成复杂的部分微分方程和纤维绘制过程的边界条件到神经网络的损失函数中.
- 开发了一种二级神经网络,专门解决和解决与纤维的内径和外径相关的自由边界条件.
- 利用PINNs建模化玻璃流量,预测速度和压力分布.
主要成果:
- PINN模型成功地预测了在绘制过程中纤维内部和外部直径的演变.
- 该模型提供了关于化玻璃内的速度和压力分布的见解,这对于分析毛细血管崩至关重要.
- 模拟结果显示,与实验观测有关温度,料速度和拉动速度的影响的良好一致.
结论:
- 基于物理学的神经网络提供了一种强大而新的方法来模拟微结构光纤绘图的复杂物理.
- 这种虚拟制造方法验证了使用PINNs用于MOF设计和优化的可行性.
- 该方法对推进微结构光纤的实际应用和制造具有重大前景.
