Orientation-aware interaction-based deep material network in polycrystalline materials modeling

要約

マルチスケールシミュレーションは、多結晶材料の微視的構造と巨視的挙動を結びつけるために不可欠であるが、計算量が多いため実用性に限界がある。ディープマテリアルネットワーク（DMN）は効率的な代理モデルとして提案されているが、テクスチャの進化を捉えるには不十分である。この限界に対処するため、我々は、Hill-Mandel原理に基づく方位認識機構と相互作用機構を組み込んだ、方位認識相互作用ベースのディープマテリアルネットワーク（ODMN）を提案する。方位認識機構は結晶学的テクスチャーを学習し、一方、相互作用機構は代表体積要素（RVE）サブ領域間の応力平衡方向を捕捉し、内部微細構造力学への洞察を提供する。注目すべきは、ODMNは学習に線形弾性データしか必要としないにもかかわらず、複雑な非線形応答や異方性応答に効果的に一般化することである。我々の結果は、ODMNが複雑な塑性変形下での機械的応答とテクスチャー進化の両方を正確に予測することを示しており、多結晶材料へのDMNの適用性を拡大するものである。計算効率と予測の忠実度のバランスをとることにより、ODMNは多結晶材料のマルチスケールシミュレーションのためのロバストなフレームワークを提供する。

要約(オリジナル)

Multiscale simulations are indispensable for connecting microstructural features to the macroscopic behavior of polycrystalline materials, but their high computational demands limit their practicality. Deep material networks (DMNs) have been proposed as efficient surrogate models, yet they fall short of capturing texture evolution. To address this limitation, we propose the orientation-aware interaction-based deep material network (ODMN), which incorporates an orientation-aware mechanism and an interaction mechanism grounded in the Hill-Mandel principle. The orientation-aware mechanism learns the crystallographic textures, while the interaction mechanism captures stress-equilibrium directions among representative volume element (RVE) subregions, offering insight into internal microstructural mechanics. Notably, ODMN requires only linear elastic data for training yet generalizes effectively to complex nonlinear and anisotropic responses. Our results show that ODMN accurately predicts both mechanical responses and texture evolution under complex plastic deformation, thus expanding the applicability of DMNs to polycrystalline materials. By balancing computational efficiency with predictive fidelity, ODMN provides a robust framework for multiscale simulations of polycrystalline materials.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL