論文の概要: Impact of buckypaper on the mechanical properties and failure modes of composites

• arxiv url: http://arxiv.org/abs/2503.10073v1
• Date: Thu, 13 Mar 2025 05:43:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-14 15:51:58.259224
• Title: Impact of buckypaper on the mechanical properties and failure modes of composites
• Title（参考訳）: 複合材の機械的特性と破壊モードに及ぼすバックペーパーの影響
• Authors: Kartik Tripathi, Mohamed H. Hamza, Aditi Chattopadhyay, Todd C. Henry, Asha Hall,
• Abstract要約: バッキーペーパー(BP)およびカーボンナノチューブ(CNT)膜は複合積層体に組み込まれている。 複合積層板の変形・破壊機構への影響については, 十分に検討されていない。 本稿では, BPインターリーブを用いたCFRP複合積層板の機械的応答に関する研究を目的とした, 深層学習(DL)に基づくサロゲートモデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Recently, there has been an interest in the incorporation of buckypaper (BP), or carbon nanotube (CNT) membranes, in composite laminates. Research has shown that using BP in contrast to nanotube doped resin enables the introduction of a higher CNT weight fraction which offers multiple benefits including higher piezo resistivity for health monitoring applications and enhanced mechanical response for structural applications. However, their impact on the deformation and failure mechanisms of composite laminates has not been investigated thoroughly. Understanding these issues experimentally would require a carefully executed test plan involving a multitude of design parameters such as BP geometry and placement, material anisotropy and variability, and laminate stacking sequence. This paper presents a deep learning (DL)-based surrogate model for studying the mechanical response of hybrid carbon fiber reinforced polymer (CFRP) composite laminates with BP interleaves under various mechanical loads. The surrogate model utilizes a long short-term memory architecture implemented within a DL framework and predicts the laminate global response for a given configuration, geometry, and loading condition. The DL framework training and cross-validation are performed via data acquisition from a series of three-point bend tests conducted through finite element analysis (FEA) and in-house experiments, respectively. The model predictions show good agreement with FEA simulations and experimental results, where CFRP with two BP interleaves showed enhanced flexural strength and modulus over pristine samples. This enhancement can be attributed to the excellent crack retardation capabilities of CNTs, particularly in the interlaminar region.
• Abstract（参考訳）: 近年, 複合積層体において, バッキーペーパー (BP) 膜, カーボンナノチューブ (CNT) 膜が組み入れられることへの関心が高まっている。 研究によると、BPをナノチューブドープ樹脂と対照的に使用すると、CNT重量率が高くなり、健康モニタリング用途の圧電抵抗率が向上し、構造的用途の機械的応答が向上するなど、多くの利点がある。 しかし, 複合積層板の変形・破壊機構への影響については, 十分には検討されていない。 これらの問題を実験的に理解するには、BP幾何や配置、材料異方性と可変性、積層積層配列など、多数の設計パラメータを含む慎重に実行されたテスト計画が必要である。 本稿では, ハイブリッド炭素繊維強化ポリマー(CFRP)複合積層板の各種機械的荷重下での機械的応答について, 深層学習(DL)に基づくサロゲートモデルを提案する。 代理モデルは、DLフレームワーク内に実装された長期記憶アーキテクチャを利用して、所定の構成、幾何学、ロード条件に対するラミネートグローバル応答を予測する。 DLフレームワークのトレーニングとクロスバリデーションは,有限要素解析(FEA)と室内実験による一連の3点曲げ試験からのデータ取得によって行われる。 モデル予測はFEAシミュレーションと実験結果とよく一致し、2つのBPインターリーブを有するCFRPはプリスタン試料よりも曲げ強度と弾性率を高めた。 この強化は、特に層間領域において、CNTの優れたひび割れ抑制能力に起因していると考えられる。

関連論文リスト

• Explainable Multimodal Machine Learning for Revealing Structure-Property Relationships in Carbon Nanotube Fibers [0.0]
  本研究では, Explainable AI(XAI)を用いた特徴抽出のための因子分析を用いて, 多様なデータ型(マルチモーダルデータ)の分析を統合する。 この手法は多段加工条件と多スケール構造が複雑な影響を持つ材料特性のメカニズムを解明するための強力な手法である。
  論文  参考訳（メタデータ） (2025-02-11T09:29:23Z)
• Elucidating microstructural influences on fatigue behavior for additively manufactured Hastelloy X using Bayesian-calibrated crystal plasticity model [0.0]
  結晶塑性モデリング(CPモデリング)は材料の機械的挙動を予測する重要なツールである。 本稿では,疲労負荷条件下での最適CPモデルパラメータの同定に最適化(BO)を用いる頑健な手法を提案する。
  論文  参考訳（メタデータ） (2024-12-06T15:46:37Z)
• MeToken: Uniform Micro-environment Token Boosts Post-Translational Modification Prediction [65.33218256339151]
  翻訳後修飾(PTM)はプロテオームの複雑さと機能を大幅に拡張する。 既存の計算手法は主に、配列依存的なモチーフの認識によって引き起こされる、PTM部位を予測するタンパク質配列に焦点を当てている。 本稿では,各酸のマイクロ環境をトークン化し,シーケンス情報と構造情報を統一された離散トークンに統合するMeTokenモデルを提案する。
  論文  参考訳（メタデータ） (2024-11-04T07:14:28Z)
• Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
  リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。 この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。 提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
  論文  参考訳（メタデータ） (2024-07-26T10:29:16Z)
• State-specific protein-ligand complex structure prediction with a multi-scale deep generative model [68.28309982199902]
  タンパク質-リガンド複合体構造を直接予測できる計算手法であるNeuralPLexerを提案する。 我々の研究は、データ駆動型アプローチがタンパク質と小分子の構造的協調性を捉え、酵素や薬物分子などの設計を加速させる可能性を示唆している。
  論文  参考訳（メタデータ） (2022-09-30T01:46:38Z)
• A Theoretical View of Linear Backpropagation and Its Convergence [55.69505060636719]
  バックプロパゲーション(BP)はディープニューラルネットワーク(DNN)の勾配を計算するために広く用いられている 最近では、NinBPと呼ばれるBPの線形変種が導入され、ブラックボックス攻撃を行うためのより伝達可能な逆の例が生み出された。 本稿では,LinBPのニューラルネットワーク関連学習課題における理論的解析について述べる。
  論文  参考訳（メタデータ） (2021-12-21T07:18:00Z)
• Dynamic fracture of a bicontinuously nanostructured copolymer: A deep learning analysis of big-data-generating experiment [0.0]
  両連続ナノ構造を有するポリウレアの動的破壊靭性および凝集パラメータを極端に高いクラック・リップ負荷速度で報告した。 ポリウレアの動的凝集パラメータは, 事前学習したCNNアーキテクチャにより初めて得られた。
  論文  参考訳（メタデータ） (2021-12-03T15:31:59Z)
• TOF-SIMS Analysis of Decoherence Sources in Nb Superconducting Resonators [48.7576911714538]
  超伝導量子ビットは、潜在的に基盤となるプラットフォーム技術として出現している。 材料品質と界面構造は、デバイスの性能を抑え続けている。 薄膜および隣接領域の2レベル系欠陥はノイズを導入し、電磁エネルギーを散逸させる。
  論文  参考訳（メタデータ） (2021-08-30T22:22:47Z)
• Efficient Micro-Structured Weight Unification and Pruning for Neural Network Compression [56.83861738731913]
  ディープニューラルネットワーク(DNN)モデルは、特にリソース制限されたデバイスにおいて、実用的なアプリケーションに不可欠である。 既往の非構造的あるいは構造化された重量刈り法は、推論を真に加速することはほとんど不可能である。 ハードウェア互換のマイクロ構造レベルでの一般化された重み統一フレームワークを提案し,高い圧縮と加速度を実現する。
  論文  参考訳（メタデータ） (2021-06-15T17:22:59Z)
• Cell division in deep material networks applied to multiscale strain localization modeling [0.0]
  deep material networks(dmn)は、ビルディングブロックに組み込みメカニクスを持つ機械学習モデルである。 ネットワーク上のスケール遷移を追跡するために新しいセル分割スキームが提案され、その一貫性は適合パラメータの物理によって保証される。 細胞中の新たな亀裂表面は凝集層を豊かにすることでモデル化され、亀裂発生と進化のために障害アルゴリズムが開発されている。
  論文  参考訳（メタデータ） (2021-01-18T18:24:51Z)
• Predicting Mechanical Properties from Microstructure Images in Fiber-reinforced Polymers using Convolutional Neural Networks [8.023452876968694]
  本稿では,繊維強化ポリマー試料の2次元分割トモグラフィ画像の応力場予測のために,ScressNetから修正した完全畳み込みニューラルネットワークについて検討する。 トレーニングされたモデルは、通常のラップトップ上で1回のフォワードパスで数秒以内に予測を行うことができ、ハイパフォーマンスなコンピューティングクラスタ上で完全な有限要素シミュレーションを実行するのに92.5時間かかる。
  論文  参考訳（メタデータ） (2020-10-07T22:15:48Z)

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。