80电影天堂网,少妇高潮一区二区三区99,jαpαnesehd熟女熟妇伦,无码人妻精品一区二区蜜桃网站

搜索：  
上科大凌盛杰團(tuán)隊(duì) Adv. Sci：使用深度強(qiáng)化學(xué)習(xí)優(yōu)化生物仿生3D纖維網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)輕量化與高強(qiáng)度的平衡
2025-01-27  來源：高分子科技

  三維無序纖維網(wǎng)絡(luò)（3D-DFNS）廣泛存在于自然界中，如細(xì)胞骨架、膠原基質(zhì)和蜘蛛網(wǎng)。這些結(jié)構(gòu)展現(xiàn)出卓越的材料效率、輕量化特性以及優(yōu)異的機(jī)械適應(yīng)性。然而，盡管自然界中此類結(jié)構(gòu)表現(xiàn)出獨(dú)特的性能，其在工程材料中的應(yīng)用研究仍處于起步階段。主要原因在于 3D-DFNS 的復(fù)雜架構(gòu)難以通過傳統(tǒng)實(shí)驗(yàn)和模擬工具進(jìn)行全面探索。為了彌補(bǔ)這一研究空白，近日，上海科技大學(xué)物質(zhì)學(xué)院凌盛杰教授課題組開發(fā)了一種基于深度強(qiáng)化學(xué)習(xí)的優(yōu)化框架，結(jié)合程序化建模、大規(guī)模粗；肿觿恿W(xué)模擬和機(jī)器學(xué)習(xí)，系統(tǒng)研究了 3D-DFNS 的結(jié)構(gòu)-性能關(guān)系，為實(shí)現(xiàn)其輕量化與高強(qiáng)度的優(yōu)化平衡提供了新的思路。


  相關(guān)工作以O(shè)ptimizing Biomimetic 3D Disordered Fibrous Network Structures for Lightweight, High-Strength Materials via Deep Reinforcement Learning為題發(fā)表在《Advanced Science》，上？萍即髮W(xué)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(shù)字三維無序網(wǎng)絡(luò)的構(gòu)建


  如圖1所示，研究團(tuán)隊(duì)提出了一種基于約束隨機(jī)生成的程序化建模方法，結(jié)合2D Mikado網(wǎng)絡(luò)和3D Voronoi網(wǎng)格構(gòu)建了仿生3D-DFNS數(shù)據(jù)集。生成的網(wǎng)絡(luò)在節(jié)點(diǎn)連接分布和纖維長度分布方面與自然網(wǎng)絡(luò)高度一致，并通過能量最小化算法優(yōu)化網(wǎng)絡(luò)穩(wěn)定性。與傳統(tǒng)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(shù)分鐘即可生成與自然網(wǎng)絡(luò)特性相符的數(shù)千組結(jié)構(gòu)，為大規(guī)模數(shù)據(jù)集的構(gòu)建和后續(xù)分析奠定了數(shù)據(jù)基礎(chǔ)。


圖2 仿生數(shù)字三維無序網(wǎng)絡(luò)的模擬


  如圖2所示，研究團(tuán)隊(duì)通過粗；肿觿恿W(xué)模擬，結(jié)合皮爾遜相關(guān)系數(shù)，系統(tǒng)分析了2383組仿生3D-DFNS的結(jié)構(gòu)-性能關(guān)系。結(jié)果表明，纖維總長度是影響網(wǎng)絡(luò)力學(xué)性能的最關(guān)鍵因素，較長的纖維可顯著增強(qiáng)應(yīng)力分散能力，提高網(wǎng)絡(luò)穩(wěn)定性。此外，纖維取向在網(wǎng)絡(luò)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(jī)械性能。節(jié)點(diǎn)連接度（Node Degree）的分布對網(wǎng)絡(luò)穩(wěn)定性也起到重要的作用，低階節(jié)點(diǎn)（如三重節(jié)點(diǎn)）比例的增加能夠提升網(wǎng)絡(luò)抗崩潰能力。這些發(fā)現(xiàn)為優(yōu)化仿生網(wǎng)絡(luò)的設(shè)計提供了重要理論依據(jù)。


圖3 仿生數(shù)字三維無序網(wǎng)絡(luò)結(jié)構(gòu)穩(wěn)定性評價


  如圖3所示，研究團(tuán)隊(duì)通過圖論方法評估了仿生3D-DFNS在局部破壞條件下的結(jié)構(gòu)穩(wěn)定性。使用集體影響（Collective Influence, CI）方法模擬對網(wǎng)絡(luò)的惡意攻擊，在攻擊過程中逐步移除網(wǎng)絡(luò)中的“弱節(jié)點(diǎn)”，并記錄最大連通子集占比（G(q)）隨節(jié)點(diǎn)移除比例（q）的變化。研究發(fā)現(xiàn)，仿生3D-DFNS在q < 19%的早期攻擊階段表現(xiàn)出良好的線性抗崩潰能力，表明網(wǎng)絡(luò)能夠有效抵抗節(jié)點(diǎn)刪除導(dǎo)致的性能衰退。然而，在q約為19%-24%的中期攻擊階段，網(wǎng)絡(luò)穩(wěn)定性（G(q)）迅速下降，表現(xiàn)出顯著的崩潰特性。與其他復(fù)雜網(wǎng)絡(luò)（如無標(biāo)度網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò)）相比，仿生3D-DFNS的臨界崩潰指數(shù)（qc = 19%）顯著提升，接近非生物網(wǎng)絡(luò)（Erdos-Rényi網(wǎng)絡(luò)）的水平（qc ≈ 20%），表明仿生3D-DFNS在結(jié)構(gòu)穩(wěn)定性上的優(yōu)越性。進(jìn)一步分析顯示，通過減少高階節(jié)點(diǎn)（例如五重節(jié)點(diǎn)及以上）和增加三重節(jié)點(diǎn)的比例，能夠增強(qiáng)網(wǎng)絡(luò)的抗崩潰能力。這些結(jié)果為仿生網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化設(shè)計提供了重要參考。


圖4 仿生數(shù)字三維無序網(wǎng)絡(luò)的穩(wěn)定性優(yōu)化


  如圖4所示，研究團(tuán)隊(duì)開發(fā)了一種基于深度強(qiáng)化學(xué)習(xí)的優(yōu)化框架（Network Deep Reinforcement Learning, N-DRL），通過模擬網(wǎng)絡(luò)在惡劣條件下的對抗性攻擊（例如節(jié)點(diǎn)失效或局部斷裂）評估其結(jié)構(gòu)穩(wěn)定性，并優(yōu)化網(wǎng)絡(luò)的輕量化與抗崩潰性能。研究表明，經(jīng)過強(qiáng)化學(xué)習(xí)優(yōu)化后，這些網(wǎng)絡(luò)的三重節(jié)點(diǎn)比例提升（從74.85%增加至77.48%），而高階節(jié)點(diǎn)比例減少（例如五重節(jié)點(diǎn)從8.68%降至6.17%）。優(yōu)化后的網(wǎng)絡(luò)平均質(zhì)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(yōu)化大幅優(yōu)于傳統(tǒng)優(yōu)化算法。


  為了驗(yàn)證強(qiáng)化學(xué)習(xí)所優(yōu)化的3D-DFNS性能，研究團(tuán)隊(duì)通過3D打印技術(shù)制備了優(yōu)化前后的網(wǎng)絡(luò)結(jié)構(gòu)，并進(jìn)行了落球沖擊實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，優(yōu)化前的網(wǎng)絡(luò)結(jié)構(gòu)在沖擊下被破壞，而優(yōu)化后的相同重量的網(wǎng)絡(luò)結(jié)構(gòu)，在相同沖擊條件下成功捕獲了鋼球，且保持結(jié)構(gòu)完整。


  總結(jié)：該研究通過開發(fā)深度強(qiáng)化學(xué)習(xí)優(yōu)化框架，結(jié)合程序化建模、分子動力學(xué)模擬和機(jī)器學(xué)習(xí)，系統(tǒng)研究了仿生3D無序纖維網(wǎng)絡(luò)的結(jié)構(gòu)-性能關(guān)系，并實(shí)現(xiàn)了其輕量化與高強(qiáng)度的優(yōu)化平衡。研究成果不僅為高性能仿生材料的設(shè)計提供了理論支持，還在柔性電子、可穿戴設(shè)備及抗沖擊防護(hù)材料等領(lǐng)域展現(xiàn)了廣泛的應(yīng)用潛力。這一創(chuàng)新性研究為工程材料的仿生設(shè)計提供了新的研究思路，對高性能結(jié)構(gòu)材料的開發(fā)也具有重要意義。


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

版權(quán)與免責(zé)聲明：本網(wǎng)頁的內(nèi)容由中國聚合物網(wǎng)收集互聯(lián)網(wǎng)上發(fā)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(diǎn)或證實(shí)其真實(shí)性，也不構(gòu)成其他建議。僅提供交流平臺，不為其版權(quán)負(fù)責(zé)。如涉及侵權(quán)，請聯(lián)系我們及時修改或刪除。郵箱：info@polymer.cn。未經(jīng)本網(wǎng)同意不得全文轉(zhuǎn)載、摘編或利用其它方式使用上述作品。
（責(zé)任編輯：xu）
【大 中 小】【打印】【關(guān)閉】

誠邀關(guān)注高分子科技

更多>>最新資訊
更多>>科教新聞