La optimización de compuestos avanzados para usos finales específicos puede ser costosa y lenta, lo que requiere que los fabricantes analicen muchas muestras para llegar a la mejor formulación. Los investigadores de la NYU Tandon School of Engineering han diseñado un sistema de aprendizaje automático que utiliza redes neuronales artificiales ANNcapaz de extrapolar a partir de datos derivados de una sola muestra, formulando rápidamente y proporcionando análisis sobre compuestos avanzados teóricos mejorados con grafeno.
El trabajo, dirigido por Nikhil Gupta, profesor asociado de ingeniería mecánica y aeroespacial en NYU Tandon, con el estudiante de doctorado Xianbo Xu y colaboradores del fabricante de materiales de grafeno 2D GrapheneCa, se detalla en "Enfoque de red neuronal artificial para predecir el elásticoMódulo de resultados de análisis mecánico dinámico ", que se presentará en la portada interior de la revista Teoría avanzada y simulaciones .
Las pruebas de tracción y el análisis mecánico dinámico DMA se utilizan ampliamente para caracterizar las propiedades viscoelásticas de los materiales a diferentes velocidades de carga y temperaturas. Pero esto requiere una elaborada campaña experimental que involucre una gran cantidad de muestras.
El equipo de Tandon encontró una manera de evitar este proceso mediante el diseño de un enfoque basado en ANN que construye un modelo y luego lo alimenta con datos de DMA, una prueba de la respuesta de un material a una temperatura y frecuencia de carga determinadas una medida de cargaaplicado en ciclos - para predecir cómo responderá a cualquier otra combinación de temperatura y presión. Gupta explicó que ANN extrapola a partir de las medidas de la capacidad de las muestras para almacenar y disipar energía en diferentes condiciones.
"Probar materiales en diferentes condiciones durante el ciclo de desarrollo del producto es un costo importante para los fabricantes que intentan crear compuestos para numerosas aplicaciones", señaló Gupta. "Este sistema nos permite realizar una prueba y luego predecir las propiedades en otras condiciones".. Por lo tanto, reduce considerablemente la cantidad de experimentación necesaria ".
"La aplicación de un enfoque de red neuronal artificial para predecir las propiedades de los nanocompuestos puede ayudar a desarrollar un enfoque en el que el modelado pueda guiar el desarrollo de materiales y aplicaciones y reducir el costo con el tiempo", continuó Gupta.
"Trabajando con los investigadores del Departamento de Ingeniería Mecánica y Aeroespacial de NYU Tandon, hemos desarrollado un nuevo método para predecir el comportamiento de los nanocompuestos termoendurecibles en un amplio rango de temperaturas y tasas de carga", dijo el Dr. Sergey Voskresensky, Jefe de Investigación& Desarrollo en las instalaciones de producción de GrapheneCa en Nueva York. "Además, el mismo enfoque puede aplicarse potencialmente para predecir un comportamiento de los materiales termoplásticos. Este es un paso crítico hacia la producción de compuestos avanzados".
Fuente de la historia :
Materiales proporcionado por NYU Tandon School of Engineering . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :