Deep Learning Approach to Mechanical Property Prediction of Single-Network Hydrogel

自愈水凝胶 介观物理学 深度学习 材料科学 人工智能 计算机科学 人工神经网络 卷积神经网络 网络模型 生物系统 物理 量子力学 生物 高分子化学
作者
Jing-Ang Zhu,Yetong Jia,Jincheng Lei,Zishun Liu
出处
期刊:Mathematics [MDPI AG]
卷期号:9 (21): 2804-2804 被引量:16
标识
DOI:10.3390/math9212804
摘要

Hydrogel has a complex network structure with inhomogeneous and random distribution of polymer chains. Much effort has been paid to fully understand the relationship between mesoscopic network structure and macroscopic mechanical properties of hydrogels. In this paper, we develop a deep learning approach to predict the mechanical properties of hydrogels from polymer network structures. First, network structural models of hydrogels are constructed from mesoscopic scale using self-avoiding walk method. The constructed model is similar to the real hydrogel network. Then, two deep learning models are proposed to capture the nonlinear mapping from mesoscopic hydrogel network structural model to its macroscale mechanical property. A deep neural network and a 3D convolutional neural network containing the physical information of the network structural model are implemented to predict the nominal stress–stretch curves of hydrogels under uniaxial tension. Our results show that the end-to-end deep learning framework can effectively predict the nominal stress–stretch curves of hydrogel within a wide range of mesoscopic network structures, which demonstrates that the deep learning models are able to capture the internal relationship between complex network structures and mechanical properties. We hope this approach can provide guidance to structural design and material property design of different soft materials.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
尼莫发布了新的文献求助10
1秒前
sophieCCM0302完成签到,获得积分10
2秒前
wlz发布了新的文献求助10
4秒前
5秒前
桐桐应助温柔半梦采纳,获得10
5秒前
6秒前
gege完成签到 ,获得积分10
6秒前
申思完成签到,获得积分10
7秒前
9秒前
jieli发布了新的文献求助10
9秒前
11秒前
申思发布了新的文献求助10
12秒前
钦点小黑完成签到 ,获得积分10
12秒前
14秒前
开心完成签到,获得积分10
14秒前
jieli完成签到,获得积分10
15秒前
lalalala发布了新的文献求助10
16秒前
温柔半梦发布了新的文献求助10
19秒前
19秒前
薄荷发布了新的文献求助10
20秒前
wlz完成签到,获得积分10
21秒前
lalalala完成签到,获得积分20
23秒前
XZY发布了新的文献求助10
24秒前
舒心的耷完成签到,获得积分10
25秒前
锦瑟完成签到,获得积分10
26秒前
27秒前
CC完成签到,获得积分10
27秒前
27秒前
XIL完成签到,获得积分10
32秒前
竹外桃花发布了新的文献求助10
32秒前
可爱山彤发布了新的文献求助10
34秒前
gege关注了科研通微信公众号
41秒前
xianyaoz完成签到 ,获得积分10
42秒前
WMT完成签到 ,获得积分10
47秒前
48秒前
51秒前
Zhou完成签到,获得积分10
53秒前
可爱山彤完成签到,获得积分20
54秒前
赶路人发布了新的文献求助10
54秒前
高大鸭子完成签到 ,获得积分10
54秒前
高分求助中
Sustainability in Tides Chemistry 2800
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Handbook of Qualitative Cross-Cultural Research Methods 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3137638
求助须知:如何正确求助?哪些是违规求助? 2788565
关于积分的说明 7787590
捐赠科研通 2444902
什么是DOI,文献DOI怎么找? 1300139
科研通“疑难数据库(出版商)”最低求助积分说明 625814
版权声明 601023