XiaoMi-AI文件搜索系统
World File Search System本构方程
简历博士朱利亚诺·安吉拉
通过与意大利一些主要冶金公司进行科学合作，其中包括位于米内尔贝 (VR) 的 Zanardi Fonderie SpA，该公司是欧洲生产传统和先进球墨铸铁的领先企业，他最近的研究活动致力于开发本构方程以及传统和先进铸铁（如高硅铸铁）以及采用热处理生产的铸铁（如奥氏体球墨铸铁 (ADI) 和等温球墨铸铁 (IDI)）的生产-微观结构-性能之间的相关性。
物理798C春季2024讲座2摘要
要在普通金属中诱导直流电流，您可以使用直流电场。要在超导体中诱导直流电流，您可以应用直流磁场！我们从伦敦的第一个方程式中看到，电场控制了超电流的加速度。超导体在零频率下的无限电导率（在下一个讲座中进行了讨论）意味着超导体不能支持直流电场。方程式还说，需要一个交流电场来建立和支撑超导体中的交替电流。由于超导电子的有限惯性，该交流电场也将被任何共存的正常电子见证，从而造成耗散。下面是一张表，总结了（在局部极限的超导体和正常金属的简化本构方程）。
基于剪切应变周期下的空心缸实验室测试的沙子依赖性膨胀
本研究专门研究基于空心缸检验的细砂的膨胀行为。培养基和致密样品以恒定的平均应力测试，通过将扭转角度施加剪切菌株= 1、2、3和4％。膨胀曲线以及剪切波速度测量值，以研究并讨论剪切模量降解曲线中剪切应变振幅的影响。测量的应力和应变路径被用来比较四个高级本构模型的性能，尤其是在描述沙子的膨胀行为时。从其本构方程的角度来看，检查了具有各种材料模型的模拟之间的差异。可以得出结论，只要确保对材料参数的适当校准，所有四个模型都可以正确预测扭转剪切测试。关键字：扭转剪切测试；构成模型；压力降低；剪切模量降解
微电子可靠性 - reposiTUm
由于银烧结具有优异的键合质量和较高的操作温度，它在电子封装领域受到越来越多的关注。然而，烧结接头的机械性能在很大程度上取决于制造参数，如烧结温度、压力或银浆中的有机溶剂。因此，这种材料的机械特性是一项具有挑战性的任务。在本文中，建立了烧结银的塑性和蠕变的统一本构方程。因此，特别关注孔隙率对机械性能的影响。通过在恒定烧结条件下制备的样品进行的机械测试验证了模型的假设。模型参数适用于在拉伸模式、剪切模式和应力松弛条件下进行的测试结果。该材料模型通过用户子程序 UMAT 和 VUMAT 在商业软件 ABAQUS 中实现。总之，本构材料模型可以作为电子封装中银烧结接头可靠性预测的先决条件。
基于生理学的人体血液稳定剪切流性通过机器学习的参数化：止血贡献
摘要级别的血液学是对血流以及所涉及的机械应力和运动学的研究。卡森本构方程是一种流行而简单的模型，用于描述血液的稳定剪切流变性，只有两个参数指定了无限的剪切粘度和取决于血液生理学的屈服应力。以前的文献已经将血细胞比容和纤维蛋白原浓度确定为影响血流的两个最重要的生理因素，但是由于使用了非标准化的数据集，卡森模型的先前参数化可能并不可靠。本研究使用机器学习和最大的标准化数据集来改善卡森模型在健康个体的血细胞比容和纤维蛋白原浓度方面的参数化。该研究还采用机器学习来识别可能影响血液流变学的潜在额外因素，即平均肌张力性血红蛋白（MCH）。所提出的方法证明了机器学习的潜力，以改善生理学和血液流变学之间的联系，并在心血管诊断中产生可能的影响。
在人脑组织的逆粘弹性参数识别中使用基于 dropout 的主动学习和替代模型
逆向力学参数识别可以表征难以实现均匀变形状态的超软材料。但是，这通常需要很高的计算成本，而这主要取决于正向模型的复杂性。虽然有限元模型等模拟方法可以捕捉几乎任意的几何形状并实现相关的本构方程，但它们的计算成本也很高。机器学习模型（例如神经网络）在用作替代复杂高保真模型的替代模型时可以帮助缓解此问题。因此，在初始训练阶段之后，它们充当降阶模型，在此阶段它们学习高保真模型的输入和输出关系。由于需要进行模拟运行，因此生成所需的训练数据需要很高的计算成本。在这里，主动学习技术可以根据训练模型的估计获得准确度来选择“最有价值”的训练点。在这项工作中，我们提出了一个循环神经网络，它可以很好地近似粘弹性有限元模拟的输出，同时显著加快评估时间。此外，我们使用基于蒙特卡洛辍学的主动学习来识别信息量很大的训练数据。最后，我们通过识别人类脑组织的粘弹性材料参数来展示开发的管道的潜力。
光活性对组成波板的Mueller矩阵椭圆法的影响
摘要：Mueller矩阵椭圆测量法已用于精确表征石英波板，用于在半导体行业苛刻的应用和高精度偏光仪。我们发现这种实验技术对使用是有益的，因为它使我们能够在宽光谱范围内获得绝对和精确的延迟测量，波浪板方向以及复合波板调节。在本文中，证明了在Mueller矩阵模型和数据处理中包括光活性的必要性。尤其是，石英的光活性会影响化合物双重垂直方向波动板之间的未对准的调整。我们证明，从模型中省略光学活性会导致未对准的值不准确。此外，模型中包括有限单色带宽引起的去极化效应。将光活性纳入Mueller矩阵模型已需要基于适当的本构方程的严格理论发展。已将广义的YEH的基质代数与双异型培养基用于计算具有减少对称性的手性材料中的本本征传繁殖。基于应用方法，作者提出了代表光学波动板和双座的Mueller矩阵的近似分析形式，并提供了有关该方法的分析和数值限制的讨论。
面向故障的加速测试 (FOAT) 及其在确保电子产品可靠性方面的作用：回顾
大约十年前，人们提出了一种高度集中且极具成本效益的面向故障的加速测试 (FOAT)，作为新颖的概率可靠性设计 (PDfR) 概念的实验基础，旨在在新的电子封装技术的设计阶段以及必须具有高运行可靠性（例如，航空航天、军事或长途通信应用所需的可靠性）时进行。另一方面，几乎每个 IC 产品在制造阶段都会定期进行的老化测试 (BIT) 也是 FOAT 类型：其目的是在将“健康”产品（即，通过了 BIT 的产品）运送给客户之前，去除可靠性低的“异常产品”，从而消除浴盆曲线 (BTC) 的早期死亡率部分 (IMP)。进行 FOAT 时，应采用具有物理意义的本构方程，例如多参数 Boltzmann-Arrhenius-Zhurkov (BAZ) 模型，根据 FOAT 数据预测产品在现场的故障概率和相应的使用寿命，并根据最近证明的 BIT 数据预测所施加应力的适当水平和持续时间，以及“异常”的（当然很低）活化能。本综述使用分析（“数学”）预测模型解决了这两种类型的 FOAT。通过数值示例说明了一般概念。结论是，预测模型应始终在实际测试之前和期间进行，并且分析模型应始终作为计算机模拟的补充。未来的工作应侧重于对所得结果和建议进行实验验证。
基于智能纳米复合材料的三维材料建模......
智能复合材料 (SC) 用于执行器和能量收集器等机电系统。通常，薄壁部件（例如梁、板和壳）被用作结构元件，以实现这些复合材料所需的机械行为。SC 表现出各种高级特性，从压电和压磁等低阶现象到挠电和挠磁等高阶效应。最近在智能复合材料中发现的挠磁现象是在有限条件下进行研究的。对现有文献的回顾表明，当存在挠磁效应 (FM) 时，缺乏对 SC 的三维 (3D) 弹性分析的评估。为了解决这个问题，控制方程将包含项 ∂ / ∂ z ，其中 z 表示厚度坐标。变分技术将指导我们进一步开发这些控制方程。我们将利用各种假设和理论，如3D梁模型、von K'arm'an应变非线性、Hamilton原理以及成熟的正、逆FM模型，推导出厚复合梁的本构方程。进行3D分析意味着应变和应变梯度张量必须以3D形式表示。加入项∂/∂z需要构建不同的模型。值得注意的是，目前的商用有限元代码无法准确、充分地处理微米和纳米级固体，因此使用这些程序来模拟挠磁复合结构是不切实际的。因此，我们将推导出的特征线性三维弯曲方程转换为3D半解析多项式域以获得数值结果。这项研究证明了进行三维力学分析对于探索智能结构中多种物理现象的耦合效应的重要性。
关键词：颗粒介质；流体力学；流变学，CFD；DEM；人工智能；机器学习和神经网络。 背景与目标：该研究项目是圣埃蒂安矿业学院（法国顶级工程学院）与世界核能领导者奥拉诺公司长期合作的一部分。该项目专注于颗粒流建模。这些流体具有不同于传统流体的迷人特征。我们在自然环境（泥流、雪崩……）或工业过程（粉末混合、气力输送、筒仓卸料……）中发现了它们，其中含有各种材料（金属、氧化物、有机化合物……）。我们的研究小组开发了数值策略来高效、快速地模拟涉及大量颗粒（10 6 10 18 ）的工业过程。在这篇博士论文中，候选人将探索人工智能的潜力，以减少使用离散元法 (DEM) 进行模拟所产生的数据量，离散元法通常用于对颗粒物质进行建模。他/她将使用这种简化的信息（例如以本构方程的形式）来为 CFD 模型提供数据。研究结果将发表在该领域的顶级期刊上，并由博士生在国际会议上发表。所需个人资料和技能：至少在以下一个领域拥有理学硕士学位：流体力学、材料物理、软物质物理、数值模拟。您喜欢建模和解决难题
关键词：颗粒介质；流体力学；流变学、CFD；DEM；人工智能；机器学习和神经网络。背景和目标：该研究项目是圣艾蒂安矿业学院（法国顶级工程学院）与世界核能领导者 Orano 长期合作的一部分。该项目专注于颗粒流建模。这些流体具有与传统流体不同的迷人特征。我们在自然环境（泥流、雪崩……）或工业过程（粉末混合、气动输送、筒仓排放……）中发现它们，其中有各种材料（金属、氧化物、有机化合物……）。我们的研究小组开发了数值策略来高效、快速地模拟涉及大量粒子（10 6 10 18 ）的工业过程。在这篇博士论文中，候选人将探索人工智能的潜力，以减少使用离散元法 (DEM) 进行模拟生成的数据量，离散元法通常用于对颗粒物质进行建模。他/她将使用这种简化的信息（例如以本构方程的形式）来输入 CFD 模型。研究结果将发表在该领域的顶级期刊上，并由博士生在国际会议上发表。所需个人资料和技能：至少在以下领域获得硕士学位：流体力学、材料物理、软物质物理、数值模拟。您喜欢建模和解决难题。好奇心、严谨性、参与度、批判性分析能力、倾听能力，当然还有对科学和技术的热情，这些都是成功答辩优秀论文的关键资产。英语流利 + 愿意学习基础法语。申请：文件包括四项：求职信 + 简历 + 至少一封推荐信 + 硕士排名或学术成绩。其他：最好从 2020 年 10 月 1 日开始。在工业资助和合作下