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：  
上科大凌盛杰團隊 Adv. Sci：使用深度強化學習優(yōu)化生物仿生3D纖維網絡結構實現(xiàn)輕量化與高強度的平衡
2025-01-27  來源：高分子科技

  三維無序纖維網絡（3D-DFNS）廣泛存在于自然界中，如細胞骨架、膠原基質和蜘蛛網。這些結構展現(xiàn)出卓越的材料效率、輕量化特性以及優(yōu)異的機械適應性。然而，盡管自然界中此類結構表現(xiàn)出獨特的性能，其在工程材料中的應用研究仍處于起步階段。主要原因在于 3D-DFNS 的復雜架構難以通過傳統(tǒng)實驗和模擬工具進行全面探索。為了彌補這一研究空白，近日，上海科技大學物質學院凌盛杰教授課題組開發(fā)了一種基于深度強化學習的優(yōu)化框架，結合程序化建模、大規(guī)模粗；肿觿恿W模擬和機器學習，系統(tǒng)研究了 3D-DFNS 的結構-性能關系，為實現(xiàn)其輕量化與高強度的優(yōu)化平衡提供了新的思路。


  相關工作以Optimizing 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 仿生數字三維無序網絡的構建


  如圖1所示，研究團隊提出了一種基于約束隨機生成的程序化建模方法，結合2D Mikado網絡和3D Voronoi網格構建了仿生3D-DFNS數據集。生成的網絡在節(jié)點連接分布和纖維長度分布方面與自然網絡高度一致，并通過能量最小化算法優(yōu)化網絡穩(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，僅需數分鐘即可生成與自然網絡特性相符的數千組結構，為大規(guī)模數據集的構建和后續(xù)分析奠定了數據基礎。


圖2 仿生數字三維無序網絡的模擬


  如圖2所示，研究團隊通過粗；肿觿恿W模擬，結合皮爾遜相關系數，系統(tǒng)分析了2383組仿生3D-DFNS的結構-性能關系。結果表明，纖維總長度是影響網絡力學性能的最關鍵因素，較長的纖維可顯著增強應力分散能力，提高網絡穩(wěn)定性。此外，纖維取向在網絡性能中的影響較小，但沿拉伸方向的纖維取向增加仍可略微提升機械性能。節(jié)點連接度（Node Degree）的分布對網絡穩(wěn)定性也起到重要的作用，低階節(jié)點（如三重節(jié)點）比例的增加能夠提升網絡抗崩潰能力。這些發(fā)現(xiàn)為優(yōu)化仿生網絡的設計提供了重要理論依據。


圖3 仿生數字三維無序網絡結構穩(wěn)定性評價


  如圖3所示，研究團隊通過圖論方法評估了仿生3D-DFNS在局部破壞條件下的結構穩(wěn)定性。使用集體影響（Collective Influence, CI）方法模擬對網絡的惡意攻擊，在攻擊過程中逐步移除網絡中的“弱節(jié)點”，并記錄最大連通子集占比（G(q)）隨節(jié)點移除比例（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，表明網絡能夠有效抵抗節(jié)點刪除導致的性能衰退。然而，在q約為19%-24%的中期攻擊階段，網絡穩(wěn)定性（G(q)）迅速下降，表現(xiàn)出顯著的崩潰特性。與其他復雜網絡（如無標度網絡和隨機網絡）相比，仿生3D-DFNS的臨界崩潰指數（qc = 19%）顯著提升，接近非生物網絡（Erdos-Rényi網絡）的水平（qc ≈ 20%），表明仿生3D-DFNS在結構穩(wěn)定性上的優(yōu)越性。進一步分析顯示，通過減少高階節(jié)點（例如五重節(jié)點及以上）和增加三重節(jié)點的比例，能夠增強網絡的抗崩潰能力。這些結果為仿生網絡的結構優(yōu)化設計提供了重要參考。


圖4 仿生數字三維無序網絡的穩(wěn)定性優(yōu)化


  如圖4所示，研究團隊開發(fā)了一種基于深度強化學習的優(yōu)化框架（Network Deep Reinforcement Learning, N-DRL），通過模擬網絡在惡劣條件下的對抗性攻擊（例如節(jié)點失效或局部斷裂）評估其結構穩(wěn)定性，并優(yōu)化網絡的輕量化與抗崩潰性能。研究表明，經過強化學習優(yōu)化后，這些網絡的三重節(jié)點比例提升（從74.85%增加至77.48%），而高階節(jié)點比例減少（例如五重節(jié)點從8.68%降至6.17%）。優(yōu)化后的網絡平均質量減少了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。


  為了驗證強化學習所優(yōu)化的3D-DFNS性能，研究團隊通過3D打印技術制備了優(yōu)化前后的網絡結構，并進行了落球沖擊實驗。實驗結果表明，優(yōu)化前的網絡結構在沖擊下被破壞，而優(yōu)化后的相同重量的網絡結構，在相同沖擊條件下成功捕獲了鋼球，且保持結構完整。


  總結：該研究通過開發(fā)深度強化學習優(yōu)化框架，結合程序化建模、分子動力學模擬和機器學習，系統(tǒng)研究了仿生3D無序纖維網絡的結構-性能關系，并實現(xiàn)了其輕量化與高強度的優(yōu)化平衡。研究成果不僅為高性能仿生材料的設計提供了理論支持，還在柔性電子、可穿戴設備及抗沖擊防護材料等領域展現(xiàn)了廣泛的應用潛力。這一創(chuàng)新性研究為工程材料的仿生設計提供了新的研究思路，對高性能結構材料的開發(fā)也具有重要意義。


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

版權與免責聲明：本網頁的內容由中國聚合物網收集互聯(lián)網上發(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或證實其真實性，也不構成其他建議。僅提供交流平臺，不為其版權負責。如涉及侵權，請聯(lián)系我們及時修改或刪除。郵箱：info@polymer.cn。未經本網同意不得全文轉載、摘編或利用其它方式使用上述作品。
（責任編輯：xu）
【大 中 小】【打印】【關閉】

誠邀關注高分子科技

更多>>最新資訊
更多>>科教新聞