纳米力学（nanomechanics）最新进展
点击上方蓝字了解更多计算与STEM领域研究前沿
文一：
矿物粗糙度通过联锁和摩擦状滑动强化珍珠层
摘要：
虽然人们普遍认为矿物薄片的表面粗糙度在硬化、强化和增韧珍珠层中起着重要作用，但它们的作用尚未得到充分研究。在这里，我们采用了一种计算效率高的杆弹簧模型来模拟，当具有多个界面粗糙度的薄片相互滑动时，在珍珠母或类似珍珠母的复合材料中，拉伸力与伸长率的关系以及模量、强度和断裂功等有效力学性能。该模型采用基于单对接触粗糙体的运动学和变形分析的微观力学模型得出的有效内聚定律来表征粗糙体相互攀爬过程中的牵引分离关系。引人注目的是，我们发现矿物粗糙度和由此产生的界面粗糙度可以通过机械联锁和多模态摩擦机制的结合将复合材料的强度和韧性提高2-3个数量级。特别有趣的是，粗糙度诱导的强化和增韧机制对椭圆、双曲余弦、余弦和抛物线等粗糙度形状不敏感。这些发现可能为开发具有珍珠母风格界面设计的先进工程复合材料提供有用的指导。
图:一对刚性粗糙体之间的相对运动和接触：（a）初始接触，（b）爬升阶段，以及左（c）和右（d）粗糙体上的相互作用力。显著变形：（e）轴向压缩，（f）横向弯曲。
图：来自上部和下部周围材料的不同约束条件的说明：（a）将约束建模为具有有限刚度的弹性垫层；（b） 硬血小板沿y方向的力平衡；（c） 将极弱约束建模为自由边界条件；以及（d）在y方向上建模为固定边界条件的极强约束。
图：通过有限元模拟验证一对椭圆形粗糙体之间接触和爬升相互作用的理论模型：（a）有限元模型设置，（b）理论和有限元的牵引分离图，以及（c）爬升过程中应力轮廓的演变。
图：粗糙度间距d对牵引分离曲线的影响。
图：通过凹凸模型预测珍珠层的有效性质，并与实验结果和脊凹凸模型预测的结果进行比较。
文二：
考虑摩擦滑移的二维材料微泡试验力学
摘要：
泡罩试验，其中粘附在基材上的薄膜受到来自下层空腔的均匀横向压力，越来越多地用于表征二维（2D）材料。泡罩试验的传统理论模型通常假设理想的界面条件，如零滑移或零摩擦。然而，实验表明，二维材料可以在有限的面间滑动阻力下在基板上滑动。在这项研究中，开发了一个考虑界面摩擦滑移的起泡理论模型。随后的适当归一化使模型尺度独立，并作为实际实验和分子动力学（MD）模拟之间的桥梁。在此基础上，揭示了不同界面假设之间的内在差异。特别是，据我们所知，首次详细讨论了摩擦滑移条件下的弹性-粘附相互作用，从而成功地修正了界面粘附的测量。最后，提出了一种基于微泡试验提取二维材料力学性能的简化模型。
图：（a） 脱层MoS2薄片的图像，插图为气泡轮廓的AFM图像。起泡试验的截面示意图：（b）初始状态和（c）膨胀状态，其中（i）如果初始充气压力p0低于临界压力pcr，则不会发生分层；（ii）否则，随着接触线的传播，2D薄片将从基材上剥离。
图：二维材料起泡试验的理论模型示意图。（a） 突出显示横截面的凸起膜的变形配置（凸起区域为红色，粘合区域为蓝色）。（b） 膜横截面的参考和变形配置。（c） 一段处于参考和变形配置的膜。（d） 粘合区薄膜与基材之间的界面剪切和滑动示意图。
图：基于是否存在径向滑移或分层的四种潜在配置的说明，以及接触线处几何边界条件的相应数学描述。
图：（a） 在（i）无径向滑移和（ii）有径向滑移的情况下，不同初始压力下的膜轮廓（上图）和应变分布（下图）。（b） 膜中四个区域的特征（初始压力为2 MPa的情况）：加压、滑动、粘附和无应变区域。（c） 膜中四个特征区域在不同初始压力下的演变。
图：（a） MD模拟中起泡试验的模型配置示意图。（b） 通过MD模拟，研究了不同初始压力下石墨烯泡的形态。（c） 在摩擦滑动和无摩擦界面条件下，对（i）泡罩高度、（ii）泡罩半径、（iii）平衡内压和（iv）泡罩纵横比的理论预测和MD模拟进行比较。
图：（a） LAMMPS中内置命令的修改说明。（b） LAMMPS中有和没有修改“弹簧”命令的石墨烯切片在粗晶SiO2上滑动的模拟横向力的比较。
文三：
冲击载荷下纳米晶高熵合金中霍尔-佩奇到逆霍尔-佩奇转变的解析
摘要：
二十多年来，人们已经认识到与晶粒尺寸减小相关的从霍尔-佩奇（HP）行为到逆霍尔-佩奇（IHP）行为的转变。然而，动态载荷下高熵合金（HEA）中这种转变的潜在机制仍然不清楚，其中大量的变形机制可以顺序或同时激活。在这里，我们通过使用大规模分子动力学（MD）模拟来研究纳米晶CoCrFeMnNi HEA在冲击载荷下的HP到IHP转变，研究了它们的变形机制和流动应力。研究发现，这种转变强烈依赖于冲击压力，这是多种竞争变形机制之间复杂相互作用的结果，包括位错相互作用和晶界阻塞等硬化机制，以及相形成、非晶化、晶界增厚和晶粒旋转等软化机制。此外，存在一个临界冲击压力，该压力对应于HP-IHP转变的最大临界晶粒尺寸。在临界冲击压力以下，由于晶粒内部（GI）更强的硬化效应，临界晶粒尺寸随着压力的增加而增加，而在临界压力以上，临界晶粒大小首先减小，然后经历一个压力不敏感的平台，然后由于GI的软化效应而进一步减小。首次提出了一种包括不同变形机制的理论模型，以捕捉冲击压力依赖的HP-IHP转变。我们的工作为优化涉及动态负载的纳米晶HEA的晶粒尺寸提供了宝贵的指导。
图：冲击载荷下纳米晶CoCrFeMnNi HEA的微观结构、冲击轮廓和流动应力。
图：不同冲击载荷下晶粒尺寸为20nm的纳米晶CoCrFeMnNi HEA的变形微观结构。显示晶界和由位错束缚的HCP原子的横截面。
图：冲击载荷下纳米晶CoCrFeMnNi HEA的变形机制。
图：不同冲击载荷下CoCrFeMnNi HEA的预测流动应力与冲击压力和晶粒尺寸的函数关系图及其相应的变形机制。
文四：
解引导机器学习的可推广框架及其在自支撑薄膜纳米压痕中的应用
摘要：
尽管机器学习（ML）在各个领域取得了重大成功，但仍然迫切需要提高其从不足数据中推断的能力。在这里，我们提出了一种称为解决方案引导机器学习（SGML）的可推广框架，该框架将现有解决方案作为附加功能集成在一起，以补充有限的训练数据。我们将SGML应用于自支撑薄膜的纳米压痕，表现出强大的性能，包括良好的训练收敛性、准确性和外推性。值得注意的是，在有限数据上训练的SGML模型能够应用于更广泛的场景，例如，在相对中等压头尺寸上训练的模型适用于相对较小和较大的压头尺寸，而为石墨烯训练的模型成功地将其适用性扩展到其他二维纳米材料（如MoS2）甚至微尺度薄膜（如硅树脂），突出了非凡的外推性能。我们还讨论了解决方案和数据之间的合作关系，进一步证实了SGML性能的提高归因于数据解决方案补充的互补信息。这项工作提出了一种鲁棒的方法，通过将已知知识与有限数据相结合来训练更强大的机器学习模型，为解决经常遭受数据不足的复杂问题提供了巨大的潜力。
图：（a） 复杂问题的不同解决方案。简化解是基于数学方法和物理定律明确推导出来的，表现出很高的泛化能力。相比之下，机器学习解决方案是在数据上训练的，具有很高的准确性，但外推能力有限。使用简化的解决方案来指导机器学习可能会导致高度准确但高度外推的解决方案。（b） SGML框架的示意图。
图：用于胶片识别的四种机器学习方法的示意图。（a） 直接ML，（b）基于点加载解的SGML，（c）基于球形加载解的SRML，以及（d）基于这两种解的SGML。
图：通过理论解和性能最佳的机器学习模型预测石墨烯片的载荷-压痕-位移关系，并与MD结果进行比较。可以观察到三种SGML方法的稳健性能。
文五：
面心立方复合浓合金孪晶界面氢脆耐受性的改进建模
摘要：
着人们对氢作为替代燃料的兴趣日益浓厚，需要开发具有更好抗氢脆性（HE）的结构合金，以应用于新的氢经济。复杂浓缩合金（CCA）是一类新型结构材料，包括高熵合金及其衍生物、中熵合金，其中一些材料的耐HE性能有所提高。虽然一些研究表明，具有面心立方（fcc）晶体结构的CCA中耐HE性的提高可能是由于其中纳米孪晶的高密度，但详细的机理理解尚未得到发展。为此，遵循周、特朗奇和科廷的方法，我们采用密度泛函理论为格里菲斯-赖斯模型2预测了fcc CCA、CrCoNi模型中裂纹尖端与孪晶边界（TB）相互作用的延性或脆性响应，无论是否存在氢。模型和分子动力学模拟都预测，fcc合金中的TB并不比块体基体更容易受到HE的影响，事实上，它可以通过延缓裂纹同时促进TB沿线的位错发射来提高HE抗性。因此，设计具有高密度纳米孪晶的fcc CCA或利用梯度纳米孪晶结构可能是实现高耐HE合金的一种方法。
图：（a） 图解说明原子级尖锐裂纹位错发射的几何形状。滑移面和位错Burgers矢量方向分别由角度𝜃和𝜙定义。（b） 示意图显示了裂纹尖端的H偏析，以及用于估算感兴趣的滑移面和解理面上局部H浓度的位置。基质原子被描绘为较大的绿色圆圈，而裂纹尖端附近的八面体间隙位点被描绘为小圆圈，根据局部H浓度进行着色。
图：示意图说明了裂纹扩展的竞争机制（a）在CrCoNi块体基体中，（b，d）沿着孪晶边界，以及（c）朝向孪晶边界。蓝色虚线箭头表示可能的位错发射方向，红色实线箭头表示可能存在裂纹解理方向，绿色虚线表示孪晶边界，薄黑色虚线{111}平面。指示预测的主导机制（位错发射或解理）的箭头以粗体绘制。
如果你觉得此文对你有帮助，请点赞，谢谢！
计算机技术在科学&技术&工程&数学中得到了广泛的应用，力学方面，计算机技术成为了科学的第四次革命性技术，现在基于计算机的数据科学已经逐步成为力学等其他科学发现的第四范式。人工智能、大数据、数字孪生等概念已经逐步成为当今时代的主题。智能制造、智能算法、数据驱动力学、大语言模型、自动驾驶在当今社会展现出巨大潜力，吸引了大量的研究人员。同时高性能显卡和多核中央处理器的出现为大规模数值模型的高性能计算提供了强大算力。然而因为该领域的论文较多，涉及内容较广，需要的知识量较大，不仅需要力学，数学，物理的知识，还需要计算机、数据科学、大数据分析的知识。入门门槛较高，因此我建立了此微 信公众 号（STEM与计算机方法），希望通过自己的学习加上文献翻译和整理，帮助新手快速掌握前沿研究的热点和聚焦，轻松入门计算的相关研究（实验、理论、数值计算方法），从而吸引和聚焦更多对该技术和研究领域感兴趣的华人朋友，为推动智能计算与基础科学的科学研究的发展和交流做一点儿贡献！
如果你认同我的想法，请点击右上角的三个点，将此文章（公 众号）发送给你的老师和同学，谢谢。
如果你想在朋友圈中分享你所专注的前沿研究，欢迎你分享到朋友圈，谢谢！
STEM与计算机方法
