論文の概要: Direct detection of plasticity onset through total-strain profile evolution

• arxiv url: http://arxiv.org/abs/2107.03738v1
• Date: Thu, 8 Jul 2021 10:32:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-09 13:21:02.975335
• Title: Direct detection of plasticity onset through total-strain profile evolution
• Title（参考訳）: 全ひずみプロファイルの進化による塑性発生の直接検出
• Authors: Stefanos Papanikolaou and Mikko J. Alava
• Abstract要約: 固体の塑性収量は、温度や載荷速度などの様々な条件に強く依存する。 実測したプロファイルの進化過程における全ひずみ変動の統計的解析により, 収率の解明が可能であることを論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Plastic yielding in solids strongly depends on various conditions, such as temperature and loading rate and indeed, sample-dependent knowledge of yield points in structural materials promotes reliability in mechanical behavior. Commonly, yielding is measured through controlled mechanical testing at small or large scales, in ways that either distinguish elastic (stress) from total deformation measurements, or by identifying plastic slip contributions. In this paper we argue that instead of separate elastic/plastic measurements, yielding can be unraveled through statistical analysis of total strain fluctuations during the evolution sequence of profiles measured in-situ, through digital image correlation. We demonstrate two distinct ways of precisely quantifying yield locations in widely applicable crystal plasticity models, that apply in polycrystalline solids, either by using principal component analysis or discrete wavelet transforms. We test and compare these approaches in synthetic data of polycrystal simulations and a variety of yielding responses, through changes of the applied loading rates and the strain-rate sensitivity exponents.
• Abstract（参考訳）: 固体中のプラスチックの降伏は温度や荷重速度などの様々な条件に強く依存しており、実際に構造材料における降伏点のサンプル依存的な知識は機械的挙動の信頼性を高める。 一般的に、収量測定は、小または大規模での制御された機械的試験によって測定され、弾性(応力)を全変形測定と区別するか、プラスチックスリップの寄与を識別する。 本稿では, 弾性・塑性測定を分離する代わりに, ディジタル画像相関を用いて, 内部で測定したプロファイルの進化過程におけるひずみ変動の統計解析により, 降伏を解くことができることを論じる。 結晶塑性モデルにおいて, 主成分分析や離散ウェーブレット変換を用いて, 多結晶固体に適用可能な収率位置を正確に定量する2つの方法を示す。 これらの手法を多結晶シミュレーションと様々な収率応答の合成データを用いて, 適用負荷率とひずみ速度感度指数の変化を用いて検証し比較した。

関連論文リスト

• Physics-Transfer Learning for Material Strength Screening [1.03590082373586]
  ピエルス応力(Peierls stress)は、結晶の塑性における中心的な概念の1つで、塑性の流れへの変位の抵抗を通じて強度を測定する。 経験的原子論シミュレーションから結晶塑性の物理を学ぶための物理移動フレームワークを提案する。 次に, 物質パラメータの化学的に正確な密度汎関数理論に基づく計算から, ピエルス応力を予測した。
  論文  参考訳（メタデータ） (2024-03-12T11:05:05Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Evolution of many-body systems under ancilla quantum measurements [58.720142291102135]
  本研究では,多体格子系をアシラリー自由度に結合させることにより量子測度を実装するという概念について検討する。 従来より抽象的なモデルで見られたように, アンタングリング・エンタングリング測定によって引き起こされる遷移の証拠を見いだす。
  論文  参考訳（メタデータ） (2023-03-13T13:06:40Z)
• Static, dynamic and stability analysis of multi-dimensional functional graded plate with variable thickness using deep neural network [0.0]
  本研究の目的は,多方向機能グレード(FG)プレートの中央偏向,自然周波数,臨界座屈荷重の解析と予測である。 材料特性はプレートの3方向を通してスムーズかつ連続的に変化すると仮定される。
  論文  参考訳（メタデータ） (2023-01-14T11:37:01Z)
• Automated analysis of continuum fields from atomistic simulations using statistical machine learning [0.0]
  我々は統計データマイニングと機械学習アルゴリズムを用いて、原子論シミュレーションにおける連続体変数の分析を自動化する手法を開発した。 本研究は, 総ひずみ, 弾性ひずみ, マイクロローテーションの3つの重要な場変数に着目した。 総ひずみ分布のピークをガウス混合モデルで同定し、オーバーフィッティング問題を回避する方法を示す。
  論文  参考訳（メタデータ） (2022-06-16T10:05:43Z)
• Analytical Modelling of Exoplanet Transit Specroscopy with Dimensional Analysis and Symbolic Regression [68.8204255655161]
  ディープラーニング革命は、そのような分析結果を直接、データに適合するコンピュータアルゴリズムで導き出すための扉を開いた。 我々は、一般的なホットジュピター系外惑星の遷移半径の合成データにおける記号回帰の利用をうまく実証した。 前処理のステップとして,変数の無次元な組み合わせを特定するために次元解析を用いる。
  論文  参考訳（メタデータ） (2021-12-22T00:52:56Z)
• Normalizing flows for atomic solids [67.70049117614325]
  原子状固体をモデル化するための正規化フローに基づく機械学習手法を提案する。 我々は,単原子水としてモデル化された立方晶および六角形氷のヘルムホルツ自由エネルギー推定と,切り離されたレナード・ジョーンズ系について報告する。 以上の結果から, 結晶形状に制約を加えることなく, 流動の正規化により, 固体の高品質な試料と自由エネルギー推定が可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-11-16T18:54:49Z)
• How to See Hidden Patterns in Metamaterials with Interpretable Machine Learning [82.67551367327634]
  我々は,材料単位セルのパターンを見つけるための,解釈可能な多分解能機械学習フレームワークを開発した。 具体的には、形状周波数特徴と単位セルテンプレートと呼ばれるメタマテリアルの2つの新しい解釈可能な表現を提案する。
  論文  参考訳（メタデータ） (2021-11-10T21:19:02Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Learning Material Parameters and Hydrodynamics of Soft Robotic Fish via Differentiable Simulation [26.09104786491426]
  本フレームワークは, 実ハードウェアにおける複合バイモルフ曲げ構造の動的挙動の高精度予測を可能にする。 我々は,ロボットの材料パラメータと流体力学を学習するための,実験的に検証された高速な最適化パイプラインを実証した。 我々は水中ソフトロボットの特定の応用に焦点をあてるが、我々のフレームワークは空気圧で作動するソフトメカニズムにも適用できる。
  論文  参考訳（メタデータ） (2021-09-30T05:24:02Z)
• Polyconvex anisotropic hyperelasticity with neural networks [1.7616042687330642]
  有限変形に対する凸機械学習に基づくモデルを提案する。 モデルは立方体格子メタマテリアルの非常に困難なシミュレーションデータで校正される。 データアプローチのデータは、機械的な考慮に基づいており、追加の実験やシミュレーション機能を必要としない。
  論文  参考訳（メタデータ） (2021-06-20T15:33:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。