論文の概要: Deep material network for homogenization of piezoelectric composites

• arxiv url: http://arxiv.org/abs/2606.22566v1
• Date: Sun, 21 Jun 2026 16:08:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:38:33.76324
• Title: Deep material network for homogenization of piezoelectric composites
• Title（参考訳）: 圧電複合材料の均質化のためのディープマテリアルネットワーク
• Authors: Ting-Ju Wei, Yen-Ming Lu, Chuin-Shan Chen,
• Abstract要約: 本研究では, 2相圧電複合材料を効率よく均質化する圧電ディープマテリアルネットワークを提案する。 提案するフレームワークは,ネットワークアーキテクチャに直接電気機械的均質化関係を組み込む。 数値的な例では,提案したPDMNは,DNSと比較して計算コストを3桁以上削減し,高い予測精度を実現している。
• 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: Piezoelectric composites are widely used in sensors, actuators, transducers, and energy-harvesting devices because their effective electromechanical performance can be tailored by combining constituent phases and microstructural architecture. However, conventional computational homogenization based on direct numerical simulation (DNS) is computationally expensive, particularly for multiscale simulations and material design tasks that require repeated homogenization analyses. To address this limitation, this work proposes a piezoelectric deep material network (PDMN) to efficiently homogenize two-phase piezoelectric composites. The proposed framework embeds the governing electromechanical homogenization relations directly into the network architecture, yielding a physics-informed, semi-analytical surrogate that explicitly captures the two-way coupling between the mechanical and electrical fields across constituent phases. The network is trained offline on linear electroelastic datasets and, through a fully coupled Newton--Raphson solution with a consistent electromechanical tangent, subsequently used for efficient online prediction under broader constitutive settings, including nonlinear electroelasticity and history-dependent responses. The framework is validated on two-phase composites of polyvinylidene fluoride (PVDF) and lithium niobate (LiNbO$_3$) with reversed phase arrangements under nonlinear electroelastic loading, and on a viscoelastic--piezoelectric composite exhibiting coupled stress relaxation. Numerical examples show that the proposed PDMN achieves high predictive accuracy while reducing the computational cost by more than three orders of magnitude compared with DNS. The proposed framework, therefore, provides an efficient and reliable surrogate for the multiscale analysis and design of piezoelectric composites.
• Abstract（参考訳）: 圧電複合材料は, センサ, アクチュエータ, トランスデューサ, エネルギー保護装置などに広く用いられている。 しかし、直接数値シミュレーション(DNS)に基づく従来の計算ホモジェナイゼーションは、特に反復的ホモジェナイゼーション解析を必要とするマルチスケールシミュレーションや材料設計タスクにおいて、計算コストが高い。 この制限に対処するため, 2相圧電複合材料を効率よく均質化する圧電ディープマテリアルネットワーク(PDMN)を提案する。 提案フレームワークは, ネットワークアーキテクチャに直接電気機械的均質化関係を組み込み, 構成相間の機械的場と電気的場の双方向結合を明示的に捉える物理インフォーム, 半解析的サロゲートを生成する。 このネットワークは、線形電気弾性データセット上でオフラインでトレーニングされ、完全に結合したニュートン-ラフソン解と一貫した電気機械的接点によって、その後、非線形電気弾性や履歴に依存した応答を含むより広い構成条件下で効率的なオンライン予測に使用される。 ポリビニリデンフッ化物 (PVDF) とニオブ酸リチウム (LiNbO$_3$) の2相複合材料の非線形電気弾性負荷下での逆相配置と, 複合応力緩和を示す粘弾性-ピエゾ電体複合材について検証した。 数値的な例では,提案したPDMNは,DNSと比較して計算コストを3桁以上削減し,高い予測精度を実現している。 提案するフレームワークは,圧電複合材料の設計とマルチスケール解析のための効率的で信頼性の高いサロゲートを提供する。

関連論文リスト

• Residual Attention Physics-Informed Neural Networks for Robust Multiphysics Simulation of Steady-State Electrothermal Energy Systems [4.636700312219189]
  本研究では, 連成速度, 圧力, 電位, 温度場の統一解のための残留注意物理情報ニューラルネットワーク(RA-PINN)フレームワークを提案する。 RA-PINNは, 定数係数結合, 間接圧力ゲージ制約, 温度依存性輸送, インターフェース整合性の4つの代表的なエネルギー関連ベンチマークで評価した。
  論文  参考訳（メタデータ） (2026-03-24T13:44:46Z)
• A Unified Physics-Informed Neural Network for Modeling Coupled Electro- and Elastodynamic Wave Propagation Using Three-Stage Loss Optimization [0.0]
  物理インフォームドニューラルネットワークは、偏微分方程式の形で物理法則をNNに直接統合する新しいアプローチをSciMLで提示する。 本研究は, 応力電荷形式における線形圧電特性をモデル化した1次元結合型電気・弾性流体系の解法におけるPINNの適用性について検討する。
  論文  参考訳（メタデータ） (2026-02-14T14:52:08Z)
• Electron-Electron Interactions in Device Simulation via Non-equilibrium Green's Functions and the GW Approximation [71.63026504030766]
  電子-電子(e-e)相互作用は、量子輸送シミュレーションに明示的に組み込まれなければならない。 この研究は、非平衡条件下でのナノデバイスの大規模原子論的量子輸送シミュレーションを報告した最初のものである。
  論文  参考訳（メタデータ） (2024-12-17T15:05:33Z)
• Pushing the Pareto front of band gap and permittivity: ML-guided search for dielectric materials [0.0]
  高誘電率の材料は外部電界下で容易に偏極し、現代の電子機器で必須の機能を発揮する。 本稿では, 要素置換, ML前スクリーニング, アブイニシアチブシミュレーション, 人間の専門家直観を組み合わせて, 未知の物質の広大な空間を探索するワークフローを提案する。 比誘電率2.27 eV,誘電率20.5のBi2Zr2O7の高純度合成とキャラクタリゼーションを行った。
  論文  参考訳（メタデータ） (2024-01-11T11:38:20Z)
• Toward High-Performance Energy and Power Battery Cells with Machine Learning-based Optimization of Electrode Manufacturing [61.27691515336054]
  本研究では,所望のバッテリ適用条件に対する高性能電極の課題に対処する。 本稿では、電気化学性能の2目的最適化のための決定論的機械学習(ML)支援パイプラインによって支援される強力なデータ駆動アプローチを提案する。 以上の結果から,スラリー中の固形物の中間値とカレンダリング度を併用した高活性物質が最適電極となることが示唆された。
  論文  参考訳（メタデータ） (2023-07-07T13:48:50Z)
• Simulating Spin-Orbit Coupling With Quasidegenerate N-Electron Valence Perturbation Theory [77.34726150561087]
  本稿では,SO-QDNEVPT2におけるスピン軌道結合効果の最初の実装について述べる。 これらの方法の精度は、14および16の水素化物、3dおよび4d遷移金属イオン、および2つのアクチニド二酸化物に対して試験される。
  論文  参考訳（メタデータ） (2022-11-11T20:03:37Z)
• Driving Force and Nonequilibrium Vibronic Dynamics in Charge Separation of Strongly Bound Electron-Hole Pairs [59.94347858883343]
  本研究では,1,2,3次元ドナー・アクセプタネットワークにおける電荷分離のダイナミクスについて検討する。 これにより、過度な振動運動が効率的な長距離電荷分離を誘導する正確な条件を特定できる。
  論文  参考訳（メタデータ） (2022-05-11T17:51:21Z)
• 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)
• Comparison of Optical Response from DFT Random Phase Approximation and Low-Energy Effective Model: Strained Phosphorene [0.0]
  低エネルギー有効モデルと密度汎関数理論(DFT)の両方を用いて分散誘電率テンソルを比較して比較する。 この結果から, 広く使用されているDFTパッケージのランダム位相近似は, 信頼性の高い材料の基本電子特性を予測できるように再検討し, 改善することが示唆された。
  論文  参考訳（メタデータ） (2021-09-01T18:00:06Z)
• Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron Correlation [58.720142291102135]
  本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。 本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
  論文  参考訳（メタデータ） (2021-06-22T18:00:00Z)
• Pores for thought: The use of generative adversarial networks for the stochastic reconstruction of 3D multi-phase electrode microstructures with periodic boundaries [0.0]
  本研究は, 現実的なn相マイクロ構造データを生成するために, 深い畳み込み生成対向ネットワーク(DC-GAN)を実装した。 実データと合成データの比較は, 形態学的特性の観点から行う。 生成器への入力を変更することで、周期的な境界を持つマイクロ構造を3方向すべてに生成できることが示される。
  論文  参考訳（メタデータ） (2020-02-17T17:38:27Z)

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。