소식

Jan 08, 2024

네마틱 복합 유체의 재료 탄성 상수 및 구조에 대한 신경망 결정

과학 보고서 13권,

Scientific Reports 13권, 기사 번호: 6028(2023) 이 기사 인용

759 액세스

1 알트메트릭

측정항목 세부정보

지도형 기계 학습 및 인공 신경망 접근 방식을 사용하면 측정 가능한 신호로부터 선택된 재료 매개변수 또는 구조 사이의 정확한 수학적 관계를 알지 못해도 이를 결정할 수 있습니다. 여기서 우리는 교차 편광판 아래의 네마틱 액정(NLC) 샘플을 통해 투과된 시간 의존적 광 강도에 적용된 순차 신경망을 사용하여 재료 네마틱 탄성 상수와 초기 구조 재료 구성을 찾을 수 있음을 보여줍니다. 구체적으로, 우리는 무작위(냉각) 초기 상태에서 탄성 상수의 무작위 값에 대한 평형까지 NLC의 완화와 동시에 단색 편광에 대한 샘플의 투과율을 여러 번 시뮬레이션합니다. 획득된 시간에 따른 광 투과율과 해당 탄성 상수는 신경망이 훈련되는 훈련 데이터 세트를 형성하며, 이를 통해 탄성 상수와 디렉터의 초기 상태를 결정할 수 있습니다. 마지막으로, 우리는 수치적으로 생성된 예제를 통해 훈련된 신경망을 사용하여 실험적으로 측정된 데이터에서 탄성 상수를 결정하고 실험과 신경망 예측 사이의 좋은 일치를 찾을 수 있음을 보여줍니다.

기계 학습(ML) 방법은 원하는 특성을 가진 새로운 재료의 발견, 상 식별, 상 전이3,4 및 여러 해밀턴인5에 대한 순서 매개변수와 같은 재료 물리학의 다양한 맥락에서 점점 더 많이 사용되고 있습니다. 활성 브라운 입자의 현탁액에서 단일 입자가 가능한 단계에 속하는지는 인공 신경망을 사용하여 개별 특징으로부터 예측할 수 있습니다. ML은 자기조립 지질7의 구조 모델링, 3차원 콜로이드 시스템 특성화8, 액정 폴리머9의 복잡한 국소 구조 분석9, 유체10 및 기타 연질 물질(예: 활성 네마틱스를 포함한 활성 물질11)의 시뮬레이션 가속화에 활용됩니다. 14. 딥 러닝 알고리즘은 또한 미세한 이미지 분석15,16 및 미세 입자 추적17을 위한 유용한 분석 도구가 되고 있습니다. 신경망은 실린더 주위 흐름에 대한 레이놀즈 수를 추정하고18 낮은 레이놀즈 수에서 층류의 임의 2D 형상에 대한 항력 예측을 위해 사용될 수 있습니다. ML 알고리즘은 편광 현미경 이미지에서 순서 매개변수, 샘플 온도, 위상 및 위상 전이 온도를 결정하고 콜레스테릭 액정의 피치 길이를 결정하고 NLC의 토폴로지 결함 유형을 식별하는 데 활용될 수 있습니다. 알려진 디렉터 필드에서 또는 새로 설계된 단백질의 비열을 예측합니다. ML 알고리즘, 특히 선형 서포트 벡터 머신은 자동화된 액정 기반 화학 센서를 최적화하기 위한 분류자로도 사용되었습니다. 또한, 액정 방울의 관찰과 기계 학습을 결합하여 다양한 박테리아 종의 내독소를 식별하고 정량화하는 것이 가능합니다.

연질 물질 평형은 전체 자유 에너지의 최소값에 의해 결정되는 메조스코픽 수준에 있으며, 네마틱 복합 유체의 경우 주요 탄성 자유 에너지는 세 가지 탄성 상수 \(K_{11}\), \(K_{ 22}\) 및 \(K_{33}\)는 세 가지 기본 탄성 모드(확장, 비틀림 및 굽힘)에 해당합니다. 탄성 상수를 측정하기 위한 일반적이고 확립된 기술은 Fréedericksz 전이28를 기반으로 하며, 분자 정렬 디렉터 필드의 급격한 변화는 광학 또는 열량 측정을 통해 감지할 수 있습니다. 일반적으로 뚜렷한 탄성 상수를 측정하려면 특정 셀이 필요합니다. 그러나 하이브리드 셀을 포함하는 방법을 사용하면 세 가지 탄성 상수를 모두 동시에 측정할 수 있습니다. 광학 Fréedericksz 전이를 유도하는 편광 레이저 빔을 사용하거나 전기장 하에서 실험 샘플과 수치적으로 시뮬레이션된 콜레스테릭 LC 액적의 구조 전이를 비교하여 측정을 전광적으로 수행할 수도 있습니다. 탄성 상수와 같은 재료 매개변수를 측정하는 것보다 더 어려운 것은 액정 방향자 구조를 인식하는 것입니다. 전체 3차원 공간 액정 방향 프로파일은 형광 공초점 편광 현미경(FCPM)을 사용하여 네마틱스에서 형광의 각도 의존성으로부터 결정될 수 있습니다. 또는 대안적으로 유전체 텐서 및 해당 디렉터 필드는 단층 촬영 접근법에 의해 재구성될 수 있습니다.