論文の概要: Towards a unified nonlocal, peridynamics framework for the coarse-graining of molecular dynamics data with fractures

• arxiv url: http://arxiv.org/abs/2301.04540v1
• Date: Wed, 11 Jan 2023 16:07:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-12 17:57:17.713849
• Title: Towards a unified nonlocal, peridynamics framework for the coarse-graining of molecular dynamics data with fractures
• Title（参考訳）: き裂を伴う分子動力学データの粗粒化のための統一的非局所ペリダイナミックスフレームワークを目指して
• Authors: Huaiqian You, Xiao Xu, Yue Yu, Stewart Silling, Marta D'Elia, John Foster
• Abstract要約: MD模擬材料破壊データセットからメソスケール連続体サロゲートとして周辺力学モデルを抽出する学習フレームワークを提案する。 我々の周辺力学シュロゲートモデルは、トレーニングと異なるグリッド解像度の予測タスクに利用できる。
• 参考スコア（独自算出の注目度）: 6.478834929962051
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Molecular dynamics (MD) has served as a powerful tool for designing materials with reduced reliance on laboratory testing. However, the use of MD directly to treat the deformation and failure of materials at the mesoscale is still largely beyond reach. Herein, we propose a learning framework to extract a peridynamic model as a mesoscale continuum surrogate from MD simulated material fracture datasets. Firstly, we develop a novel coarse-graining method, to automatically handle the material fracture and its corresponding discontinuities in MD displacement dataset. Inspired by the Weighted Essentially Non-Oscillatory scheme, the key idea lies at an adaptive procedure to automatically choose the locally smoothest stencil, then reconstruct the coarse-grained material displacement field as piecewise smooth solutions containing discontinuities. Then, based on the coarse-grained MD data, a two-phase optimization-based learning approach is proposed to infer the optimal peridynamics model with damage criterion. In the first phase, we identify the optimal nonlocal kernel function from datasets without material damage, to capture the material stiffness properties. Then, in the second phase, the material damage criterion is learnt as a smoothed step function from the data with fractures. As a result, a peridynamics surrogate is obtained. Our peridynamics surrogate model can be employed in further prediction tasks with different grid resolutions from training, and hence allows for substantial reductions in computational cost compared with MD. We illustrate the efficacy of the proposed approach with several numerical tests for single layer graphene. Our tests show that the proposed data-driven model is robust and generalizable: it is capable in modeling the initialization and growth of fractures under discretization and loading settings that are different from the ones used during training.
• Abstract（参考訳）: 分子動力学 (md) は、実験室試験に依存しない材料を設計するための強力なツールである。 しかし、メソスケールにおける材料の変形と破壊を直接処理するためにMDを用いることは、まだほとんど不可能である。 本稿では,MD模擬材料破壊データセットからメソスケール連続体として周辺力学モデルを抽出する学習フレームワークを提案する。 まず,md変位データセットにおける材料破壊とその不連続を自動的に処理する新しい粗粒化法を開発した。 重み付けされた非振動スキームにインスパイアされた鍵となるアイデアは、局所的に最も滑らかなステンシルを自動的に選択し、粗粒状物質変位場を不連続性を含むスムーズな解として再構成する適応的な手順にある。 次に, 粗粒mdデータに基づいて2相最適化に基づく学習手法を提案し, 損傷基準を満たした最適ペリダイナミックスモデルを推算した。 第1フェーズでは、材料損傷のないデータセットから最適な非局所カーネル関数を特定し、材料剛性特性を捉える。 そして、第2フェーズでは、破壊を伴うデータから、材料損傷基準をスムーズなステップ関数として学習する。 その結果、ペリダイナミックスサーロゲートが得られる。 私たちのperiondynamics surrogateモデルは、トレーニングから異なるグリッド解像度のさらなる予測タスクに使用できるため、mdと比較して計算コストを大幅に削減することができます。 単層グラフェンの数値実験により,提案手法の有効性を明らかにした。 私たちのテストでは、データ駆動モデルが堅牢で一般化可能であることを示し、トレーニングで使用するものと異なる離散化と負荷設定の下で骨折の初期化と成長をモデル化することができることを示した。

関連論文リスト

• Data-driven discovery of mechanical models directly from MRI spectral data [0.0]
  実験により得られたMRIスペクトルデータから動的モデルのデータ駆動的発見のための再構成フレームワークを提案する。 提案手法は,非線形ダイナミクスのスパース同定(SINDy)を用いた解釈可能モデルのデータ駆動探索と組み合わせたものである。 臨床MRIスキャナーに収集した動的ファントムのスペクトルデータを用いて,本法の有効性を検証した。
  論文  参考訳（メタデータ） (2024-11-11T13:05:29Z)
• Hybrid data-driven and physics-informed regularized learning of cyclic plasticity with Neural Networks [0.0]
  提案したモデルアーキテクチャは、既存の文献のソリューションに比べてシンプルで効率的である。 この手法の検証はアームストロング・フレデリックのキネマティック・ハードニング・モデルを用いて得られたサロゲートデータを用いて行う。
  論文  参考訳（メタデータ） (2024-03-04T07:09:54Z)
• ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic Diffusion Models [69.9178140563928]
  大腸内視鏡検査は臨床診断や治療に不可欠である。 注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。 本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
  論文  参考訳（メタデータ） (2023-09-03T07:55:46Z)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• Thermodynamically Consistent Machine-Learned Internal State Variable Approach for Data-Driven Modeling of Path-Dependent Materials [0.76146285961466]
  ディープニューラルネットワークやリカレントニューラルネットワーク(RNN)などのデータ駆動機械学習モデルが,現実的な代替手段になりつつある。 本研究では,計測可能な材料に基づく経路依存材料に対する,機械学習型ロバスト性駆動型モデリング手法を提案する。
  論文  参考訳（メタデータ） (2022-05-01T23:25:08Z)
• A Physics-Guided Neural Operator Learning Approach to Model Biological Tissues from Digital Image Correlation Measurements [3.65211252467094]
  本稿では, 生体組織モデリングにおけるデータ駆動型相関について述べる。これは, 未知の負荷シナリオ下でのデジタル画像相関(DIC)測定に基づいて変位場を予測することを目的としている。 ブタ三尖弁リーフレット上の多軸延伸プロトコルのDIC変位追跡測定から材料データベースを構築した。 材料応答は、負荷から結果の変位場への解演算子としてモデル化され、材料特性はデータから暗黙的に学習され、自然にネットワークパラメータに埋め込まれる。
  論文  参考訳（メタデータ） (2022-04-01T04:56:41Z)
• Extension of Dynamic Mode Decomposition for dynamic systems with incomplete information based on t-model of optimal prediction [69.81996031777717]
  動的モード分解は、動的データを研究するための非常に効率的な手法であることが証明された。 このアプローチの適用は、利用可能なデータが不完全である場合に問題となる。 本稿では,森-Zwanzig分解の1次近似を考察し,対応する最適化問題を記述し,勾配に基づく最適化法を用いて解く。
  論文  参考訳（メタデータ） (2022-02-23T11:23:59Z)
• A data-driven peridynamic continuum model for upscaling molecular dynamics [3.1196544696082613]
  分子動力学データから最適線形ペリダイナミックソリッドモデルを抽出する学習フレームワークを提案する。 我々は,符号変化の影響関数を持つ離散化LPSモデルに対して,十分な適切な正当性条件を提供する。 このフレームワークは、結果のモデルが数学的に適切であり、物理的に一貫したものであり、トレーニング中に使用するものと異なる設定によく当てはまることを保証します。
  論文  参考訳（メタデータ） (2021-08-04T07:07:47Z)
• Contrastive Model Inversion for Data-Free Knowledge Distillation [60.08025054715192]
  そこで、データ多様性を最適化可能な目的として明示的にモデル化するContrastive Model Inversionを提案します。 我々の主な観察では、同じ量のデータの制約の下では、高いデータの多様性は、通常より強いインスタンス識別を示す。 CIFAR-10, CIFAR-100, Tiny-ImageNetを用いた実験により, 生成したデータを知識蒸留に使用する場合, CMIは極めて優れた性能を示すことが示された。
  論文  参考訳（メタデータ） (2021-05-18T15:13:00Z)
• Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations [58.720142291102135]
  動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。 本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
  論文  参考訳（メタデータ） (2021-04-28T22:14:25Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)

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。