MétaCan
Menu
Retour à la cohorte
Enregistrement W4389885941 · doi:10.1142/s1756973723500130

Multiscale Phase-Field Modeling of Fracture in Nanostructures

2023· article· en· W4389885941 sur OpenAlexaff
Mohsen Jahanshahi, A.R. Khoei, Niloofar Asadollahzadeh, Fadi Aldakheel

Notice bibliographique

RevueJournal of Multiscale Modelling · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueNumerical methods in engineering
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMicroscale chemistryMultiscale modelingMaterials scienceRepresentative elementary volumePhase (matter)Fracture (geology)Macroscopic scaleScale (ratio)NanostructureFinite element methodField (mathematics)BrittlenessMicrostructureNanotechnologyStructural engineeringComposite materialEngineeringMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

The scientific community has witnessed, lately, a tremendous progress in the fabrication and synthesis of nanomaterials. As a result, it is essential to develop new and efficient numerical techniques that are capable of modeling the behavior of materials at nanoscale with sufficient accuracy. In this work, a novel approach is presented for the multiscale analysis of brittle failure in nanostructures using the phase-field modeling. The specimen at microscale is discretized using finite elements (FEs), whose integration points lie in the representative volume elements (RVEs) at nanoscale. The displacement computed in upper scale for a microstructure that contains an evolving crack is imposed on the boundaries of the RVE in lower scale. On the other hand, the stresses and material properties obtained for the RVE in lower scale are transferred to upper scale to compute stiffness matrices and load vectors. The evolution of the phase-field variable indicates the initiation and propagation of cracks at microscale. In order to avoid time-consuming molecular dynamics (MD) simulations at nanoscale in each step of the analysis, the Mooney–Rivlin material model is used to simulate the behavior of Aluminum (AL) nanostructure at this scale. The approach that is utilized to compute the material constants and the formulation for the multiscale technique combined with the phase-field modeling in upper scale are described in detail. It is discussed how the phase-field variable in microstructure is evolved based on the properties of the RVE in nanostructure. Many numerical examples are presented to demonstrate the application of the proposed multiscale technique in the solution of engineering problems.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,028
Tête enseignante GPT0,300
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Multiscale ModellingMême sujetNumerical methods in engineeringTravaux en français237 207