Multiscale Phase-Field Modeling of Fracture in Nanostructures
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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