机器学习框架用于评估聚合物复合材料微尺度接口凝聚区模型
1Department of Engineering Mechanics, Dalian University of Technology, Dalian, Liaoning 116024, China.
ACS applied materials & interfaces
|November 3, 2025
概括
本研究引入了一种机器学习-分子动力学框架,用于预测聚合物复合材料的凝聚区模型参数. 这种可扩展的方法减少了计算成本和对传统分子动力学模拟的依赖.
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
- 聚合物复合材料 聚合物复合材料
背景情况:
- 凝聚区模型 (CZM) 对于聚合物复合材料的多尺度模拟至关重要.
- 计算CZM参数的传统分子动力学 (MD) 方法面临着计算和可扩展性的挑战.
研究的目的:
- 开发一种机器学习 (ML) -MD框架,用于预测聚合物复合体接口中的CZM参数.
- 建立一个可扩展的方法,用于在多尺度分析中进行初步接口评估.
主要方法:
- 提出了一种创新的解模拟方法,以简化复杂的界面交互.
- 确定了范德瓦尔斯相互作用和键作为影响CZM参数的关键因素.
- 集成ML与MD用于高效的参数预测.
主要成果:
- 成功预测了聚合物复合材料中的微尺度接口的CZM参数.
- 根据实验和文献数据验证预测参数.
- 将框架应用于纤维拉出行为的有限元模拟.
结论:
- ML-MD框架为CZM参数计算提供了可扩展和计算效率高的传统MD替代方案.
- 这种方法减少了对广泛的MD工作流程的依赖,以评估接口属性.
- 允许在多尺度模拟中准确输入微尺度接口属性.
更多相关视频
07:15A Testing Platform for Durability Studies of Polymers and Fiber-reinforced Polymer Composites under Concurrent Hygrothermo-mechanical Stimuli
Published on: December 11, 2014
14.1K
09:10Reconstituting and Characterizing Actin-Microtubule Composites with Tunable Motor-Driven Dynamics and Mechanics
Published on: August 25, 2022
3.7K
