私密直播全婐app免费大渔直播,国产av成人无码免费视频,男女同房做爰全过程高潮,国产精品自产拍在线观看

搜索:  
上科大凌盛杰團隊 Adv. Sci:使用深度強化學習優化生物仿生3D纖維網絡結構實現輕量化與高強度的平衡
2025-01-27  來源:高分子科技

  三維無序纖維網絡(3D-DFNS)廣泛存在于自然界中,如細胞骨架、膠原基質和蜘蛛網。這些結構展現出卓越的材料效率、輕量化特性以及優異的機械適應性。然而,盡管自然界中此類結構表現出獨特的性能,其在工程材料中的應用研究仍處于起步階段。主要原因在于 3D-DFNS 的復雜架構難以通過傳統實驗和模擬工具進行全面探索。為了彌補這一研究空白,近日,上海科技大學物質學院凌盛杰教授課題組開發了一種基于深度強化學習的優化框架,結合程序化建模、大規模粗粒化分子動力學模擬和機器學習,系統研究了 3D-DFNS 的結構-性能關系,為實現其輕量化與高強度的優化平衡提供了新的思路。


  相關工作以Optimizing Biomimetic 3D Disordered Fibrous Network Structures for Lightweight, High-Strength Materials via Deep Reinforcement Learning為題發表在《Advanced Science》,上海科技大學碩士研究生楊云浩及博士研究生白潤南為本工作的共同第一作者。


圖1 仿生數字三維無序網絡的構建


  如圖1所示,研究團隊提出了一種基于約束隨機生成的程序化建模方法,結合2D Mikado網絡和3D Voronoi網格構建了仿生3D-DFNS數據集。生成的網絡在節點連接分布和纖維長度分布方面與自然網絡高度一致,并通過能量最小化算法優化網絡穩定性。與傳統的激光掃描重建方法(如Spider Web Scan, SWS)相比,該方法生成效率顯著提升,僅需數分鐘即可生成與自然網絡特性相符的數千組結構,為大規模數據集的構建和后續分析奠定了數據基礎。


圖2 仿生數字三維無序網絡的模擬


  如圖2所示,研究團隊通過粗粒化分子動力學模擬,結合皮爾遜相關系數,系統分析了2383組仿生3D-DFNS的結構-性能關系。結果表明,纖維總長度是影響網絡力學性能的最關鍵因素,較長的纖維可顯著增強應力分散能力,提高網絡穩定性。此外,纖維取向在網絡性能中的影響較小,但沿拉伸方向的纖維取向增加仍可略微提升機械性能。節點連接度(Node Degree)的分布對網絡穩定性也起到重要的作用,低階節點(如三重節點)比例的增加能夠提升網絡抗崩潰能力。這些發現為優化仿生網絡的設計提供了重要理論依據。


圖3 仿生數字三維無序網絡結構穩定性評價


  如圖3所示,研究團隊通過圖論方法評估了仿生3D-DFNS在局部破壞條件下的結構穩定性。使用集體影響(Collective Influence, CI)方法模擬對網絡的惡意攻擊,在攻擊過程中逐步移除網絡中的“弱節點”,并記錄最大連通子集占比(G(q))隨節點移除比例(q)的變化。研究發現,仿生3D-DFNS在q < 19%的早期攻擊階段表現出良好的線性抗崩潰能力,表明網絡能夠有效抵抗節點刪除導致的性能衰退。然而,在q約為19%-24%的中期攻擊階段,網絡穩定性(G(q))迅速下降,表現出顯著的崩潰特性。與其他復雜網絡(如無標度網絡和隨機網絡)相比,仿生3D-DFNS的臨界崩潰指數(qc = 19%)顯著提升,接近非生物網絡(Erdos-Rényi網絡)的水平(qc ≈ 20%),表明仿生3D-DFNS在結構穩定性上的優越性。進一步分析顯示,通過減少高階節點(例如五重節點及以上)和增加三重節點的比例,能夠增強網絡的抗崩潰能力。這些結果為仿生網絡的結構優化設計提供了重要參考。


圖4 仿生數字三維無序網絡的穩定性優化


  如圖4所示,研究團隊開發了一種基于深度強化學習的優化框架(Network Deep Reinforcement Learning, N-DRL),通過模擬網絡在惡劣條件下的對抗性攻擊(例如節點失效或局部斷裂)評估其結構穩定性,并優化網絡的輕量化與抗崩潰性能。研究表明,經過強化學習優化后,這些網絡的三重節點比例提升(從74.85%增加至77.48%),而高階節點比例減少(例如五重節點從8.68%降至6.17%)。優化后的網絡平均質量減少了2.51%,但其抗破壞性能顯著提升,這種抗崩潰能力的優化大幅優于傳統優化算法。


  為了驗證強化學習所優化的3D-DFNS性能,研究團隊通過3D打印技術制備了優化前后的網絡結構,并進行了落球沖擊實驗。實驗結果表明,優化前的網絡結構在沖擊下被破壞,而優化后的相同重量的網絡結構,在相同沖擊條件下成功捕獲了鋼球,且保持結構完整。


  總結:該研究通過開發深度強化學習優化框架,結合程序化建模、分子動力學模擬和機器學習,系統研究了仿生3D無序纖維網絡的結構-性能關系,并實現了其輕量化與高強度的優化平衡。研究成果不僅為高性能仿生材料的設計提供了理論支持,還在柔性電子、可穿戴設備及抗沖擊防護材料等領域展現了廣泛的應用潛力。這一創新性研究為工程材料的仿生設計提供了新的研究思路,對高性能結構材料的開發也具有重要意義。


  原文鏈接:https://doi.org/10.1002/advs.202413293

版權與免責聲明:本網頁的內容由中國聚合物網收集互聯網上發布的信息整理獲得。目的在于傳遞信息及分享,并不意味著贊同其觀點或證實其真實性,也不構成其他建議。僅提供交流平臺,不為其版權負責。如涉及侵權,請聯系我們及時修改或刪除。郵箱:info@polymer.cn。未經本網同意不得全文轉載、摘編或利用其它方式使用上述作品。
(責任編輯:xu)
】【打印】【關閉

誠邀關注高分子科技

更多>>最新資訊
更多>>科教新聞
主站蜘蛛池模板: 翁牛特旗| 岚皋县| 雷山县| 安化县| 阿巴嘎旗| 光泽县| 阳新县| 乐昌市| 尼木县| 宁河县| 大同县| 通化市| 崇明县| 陈巴尔虎旗| 正定县| 阿坝县| 堆龙德庆县| 日土县| 镇雄县| 潮安县| 沂水县| 通州市| 双江| 游戏| 江津市| 五大连池市| 永定县| 鲜城| 苍梧县| 永泰县| 永和县| 普兰县| 大余县| 东丽区| 布拖县| 建德市| 内江市| 嘉定区| 盈江县| 洮南市| 那曲县|