XiaoMi-AI文件搜索系统
World File Search System材料模型
飞机核电站撞击模拟方法 - Dynalook
LS-DYNA 包含 12 多种材料模型，可用于描述混凝土结构行为 [1]。本研究使用 *MAT_CSCM(_CONCRETE)/*(MAT_159) 混凝土模型 [2]–[4]。该模型基于三个不变屈服面，可以分别跟踪拉伸和压缩损伤，根据应变率效应调整混凝土强度和断裂能。由于“易输入”程序，所有输入参数均可按照 CEB-FIP 模型代码 [5] 重新生成。该程序提供基于用户输入参数的初始化例程，这些参数为正常混凝土强度 ∈ [20; 58] MPa，重点是中间范围 ∈ [28; 48] MPa[2]。单元素试验 对一个有限元的单轴无侧限拉伸和压缩的几项试验表明，声明的初始化程序给出的材料参数存在很大的不准确性。所得结果也得到了许多论文 [6]、[7] 的证实。因此，基于模型初始数据 [2] 和第三方研究 [6] 开发了新的外部初始化程序。该程序根据用户输入的抗压强度和骨料尺寸数据生成所有输入参数。单元素试验的结果如图所示。1 和 2。
材料人工智能和机器学习......
材料科学概述 高性能计算的近期发展，以及大数据分析、机器学习 (ML) 和人工智能 (AI) 方法的进步，彻底改变了商业、医疗保健和社交媒体等各个生活领域。这些技术也引起了工程、材料科学和化学界的广泛关注，尤其是因为它们有可能通过设计、加速合成和材料表征来推动材料领域的发展。为了充分发挥机器学习和人工智能在材料科学应用中的潜力，必须将它们与从头算方法、多尺度材料建模和实验相结合；本次研讨会旨在促进和加强这种协同作用。本课程将重点介绍基于人工智能的技术的最新发展，以 (a) 加速材料的发现，(b) 改进/加速合成方案，(c) 增强现有的表征方法，以及 (d) 开发稳健、高效和准确的材料模型，以及多种长度尺度的模拟方法；还将讨论针对材料化学应用的 ML/AI 算法的进展。总的来说，这个实践研讨会将向学生/博士后和行业科学家介绍机器学习/人工智能在计算化学、材料合成/设计/表征领域的最新成功经验，并为当前的挑战提供创造性的解决方案，并通过机器学习方法开拓材料技术的新领域。
飞机核电站撞击模拟方法 - Dynalook
LS-DYNA 包含 12 多种材料模型，可用于描述混凝土结构行为 [1]。本研究使用 *MAT_CSCM(_CONCRETE)/*(MAT_159) 混凝土模型 [2]–[4]。该模型基于三个不变屈服面，可以分别跟踪拉伸和压缩损伤，根据应变率效应调整混凝土强度和断裂能。由于“易于输入”的程序，所有输入参数都可以按照 CEB-FIP 模型代码 [5] 重新生成。该程序根据用户输入的正常混凝土强度 𝑓𝑓 𝑐𝑐 ∈[20; 58] MPa 参数提供初始化例程，重点是中间范围 𝑓𝑓 𝑐𝑐 ∈ [28; 48] MPa[2]。单元素试验 对一个有限元的单轴无侧限拉伸和压缩的几项试验表明，声明的初始化程序给出的材料参数存在很大的不准确性。所得结果也得到了许多论文 [6]、[7] 的证实。因此，基于模型初始数据 [2] 和第三方研究 [6] 开发了新的外部初始化程序。该程序根据用户输入的抗压强度和骨料尺寸数据生成所有输入参数。单元素试验的结果如图所示。1 和 2。
玻璃裂缝相位模型中的挑战
本文研究了模拟玻璃骨折中相位模型的挑战和潜力。相位场方法是断裂建模的变分方法，将裂纹视为扩散的界面，从而消除了对显式裂纹跟踪的需求。这项研究探索了其对玻璃的应用，玻璃具有独特的裂缝特性，由于其无定形结构和脆性。我们使用ABAQUS实施了AT1相位模型，并针对各种实验设置进行了验证，包括微型计算机和微柱测试，L形样品以及动态的拉伸裂缝场景。结果表明，与实验观察结果有很强的比对，可以准确捕获复杂的裂纹模式和动态断裂行为。关键参数（例如临界能量释放速率和内部长度尺度）显示出显着影响断裂模拟结果。虽然相位方法在推进玻璃断裂力学方面表现出希望，但挑战仍然存在于参数敏感性和整合更复杂的材料模型中。本研究强调了该方法的当前功能，并指出了未来的研究方向，以提高其在玻璃断裂模拟中的适用性和效率。
加速科学模拟和设计Kamyar Azizzadenesheli 1，Nikola Kovachki 1，Zongyi li 2，Miguel Liu-Schiaffini
科学发现和工程设计目前受到物理实验的时间和成本的限制，主要是通过需要深入域专业知识的反复试验和直觉选择。数值模拟是物理实验的替代方法，但由于现有数值方法的计算要求，通常对于复杂的现实世界域而言是不可行的。人工智能（AI）通过开发快速数据驱动的替代模型来提出潜在的范式转移。尤其是一个称为神经操作员的AI框架提出了一个原则上的框架，用于在连续域上定义的功能之间学习映射，例如时空过程和部分微分方程（PDE）。他们可以在训练期间看不见的新位置推断和预测解决方案，即执行零拍的超分辨率。神经操作员可以在许多应用中增强甚至替换现有的模拟器，例如计算流体动力学，天气预报和材料模型，而速度更快4-5个数量级。此外，可以将神经操作员与物理和其他领域的约束集成在一起，以获得更高的重点，以获得高保真的解决方案和良好的概括。由于神经操作员是可区分的，因此他们可以直接优化用于反设计和其他反问题的参数。我们认为，神经操作员提出了一种变革性的模拟和设计方法，从而可以快速的研发。
超材料形式化方法可提高对脑组织活检中胶质瘤区域的识别
摘要：早期发现肿瘤使患者最终战胜癌症并康复的可能性更大。广义的癌症诊断的主要目标是确定患者是否患有肿瘤、肿瘤位于何处以及肿瘤的组织学类型和严重程度。癌症感染组织的主要特征是样本中存在神经胶质瘤细胞。目前的诊断方法主要侧重于微生物学、免疫学和病理学方面，而不是疾病的“超材料几何”。随着有效介质近似技术的发展，确定生物组织样本的有效特性并将其视为无序超材料介质已成为可能。它们的优势在于能够将生物组织样本视为具有经过充分研究的特性的超材料结构。在这里，我们首次介绍了有关生物组织超材料特性的研究，以识别脑组织中的健康和癌症区域。结果表明，超材料的特性会因组织类型（健康或不健康）的不同而有很大差异。获得的有效介电常数值取决于各种因素，例如样本中不同细胞类型的数量及其分布。基于这些发现，我们根据其有效介质特性对癌症感染区域进行了识别。这些结果证明了超材料模型能够识别癌症感染区域。所提出的方法可以对精确识别病理组织的方法学方法的发展产生重大影响，并可以更有效地检测与癌症相关的变化。
结构工程基于机器学习的建模：全面的调查和应用概述
摘要：建模和仿真已被广泛用于解决结构工程中的广泛问题。但是，许多模拟需要大量的计算资源，随着模型的空间和时间尺度的增加，计算时间呈指数增加。这尤其重要，因为对更高的忠诚模型和类似的需求增加。最近，人工智能技术的快速发展，加上计算资源和数据的广泛可用性，驱动了机器学习技术的广泛采用，以提高模拟的计算准确性和精度，从而增强了其实用性和潜力。在本文中，我们介绍了在此上下文中使用的方法和技术的全面调查，以解决计算要求的问题，例如结构系统识别，结构设计和预测应用。专门的深神经网络算法，例如增强的概率神经网络，已成为许多文章的主题。然而，其他机器学习算法，包括神经动态分类和动态集合学习，在结构工程的特定应用中显示出很大的潜力。我们旨在提供全面的概述，并就这些强大的技术提供观点，这些技术有可能成为传统建模方法的替代方案。本文我们的目标是对结构工程中基于机器的基于机器学习的建模以及其在以下领域的应用提供最新的综述：（i）计算力学，（ii）结构健康监测，（iii）结构设计和制造，（IV）（IV）应力分析，（iv）压力分析，（v）失败分析，（VI）材料模型和设计和设计和（VII）。
3D印刷PLA支架的机械性能用于骨再生
摘要：对骨再生的可生物降解支架的兴趣日益增加，需要研究适合脚手架形成的新材料。聚（乳酸）（PLA）是一种通常用于生物医学工程的聚合物，例如在组织工程中作为可生物降解的材料。但是，PLA沿其降解时间的机械行为仍未得到很好的探索。因此，需要研究在生理培养基中孵育的PLA支架的机械性能，以表明PLA的潜力被用作可生物降解的脚手架形成的材料。本研究的目的是确定孵育前后PLA支架的机械性能，并应用构造材料模型进行进一步的行为预测。由3D打印机“ Prusa I3 Mk3s”打印了两组PLA支架，并通过紫外线和乙醇溶液进行了灭菌。在DMEM（Dulbecco的改良Eagle培养基）中孵育第一套标本，为60、120和180天，以保持36.5°C的温度。在“ Mecmesin Multitest 2.5-I”测试架上进行压缩测试后，确定了支架的机械性能，并使用在两种不同的速度模式下施加的力。获得的数据曲线与超弹性材料模型拟合，用于模型适用性研究。将第二组样品在PBS（磷酸盐缓冲盐水）中孵育20周，并用于聚合物降解研究中。获得的结果表明，在预测的新骨组织形成周期中，PLA支架的机械性能在生理培养基中孵育过程中不会降低，尽管水解从一开始就开始并随时间增加。pla作为一种材料似乎适合在骨组织工程中使用，因为它允许具有高机械强度的生物相容性和可生物降解的支架，这是有效组织形成所需的。
输出详细信息和示例
2输出文件8 2.1输出文件列表。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。8 2.2 eplusout.audit。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。11 2.3 eplusout.bnd。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 2.4 eplusout.dbg。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>15 2.5雇主.dxf。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>16 2.6雇用。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。19 2.7 eplusout.eio。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。20 2.7.1仿真参数。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。21 2.7.2版本。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。22 2.7.3时间段。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>22 2. 2.7.4仿真control。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>22 2. 2.7.5建筑物。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>22 2. 2.6.6内部对流算法。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>222。2.77外部对流算法。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>23 2.7.8解决方案算法。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>23 2.7.9 Skyy辐射分布。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 23 2 2.7.10现场 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div>23 2.7.9 Skyy辐射分布。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>23 2 2.7.10现场 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。。23 2.7.11阴影/太阳位置计算。。。。。。。。。。。。。。。。。。。。。。23 2.7.12日光：照明图。。。。。。。。。。。。。。。。。。。。。。。。。。24 2.7.13日光：照明图：细节。。。。。。。。。。。。。。。。。。。。。。24 24 2.7.14外壳/窗口邻接日光计数。。。。。。。。。。。。。。。24 24 2.7.15外壳/窗口邻接日光矩阵。。。。。。。。。。。。。。。25 2.7.16天空昼夜因素。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。25 2.7.17气流材料模型：控制。。。。。。。。。。。。。。。。。。。。。。。。。26 2.7.18气流材料型号：风向。。。。。。。。。。。。。。。。。。。。。26 26 2.7.19气流型型号：风力coe量。。。。。。。。。。。。。。。26 26 2.7.20区域体积电容乘数。。。。。。。。。。。。。。。。。。。。。。27 2.7.21气候组输出。。。。。。。。。。。。。。。。。。。。。。。。。。。。。28 2.7.22气候组 - 简单输出。。。。。。。。。。。。。。。。。。。。。。。。30 2.7.23位置。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。30 2.7.24现场水的温度。。。。。。。。。。。。。。。。。。。。。。。。。30 2.7.25气象站。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。31 2.7.26现场大气变化。。。。。。。。。。。。。。。。。。。。。。。。。。。32