?
big
首页
学术讲座
当前位置: 首页>>dnfsf>>正文

找传世: 学术讲座

建校70周年文峰云论坛——数理基础与前沿研究论坛:基于机器学习的复合材料/多孔介质导热性能研究

发布部门:理学院   发布人:江莎   发布时间:2020年05月10日 12:11

dnfsf www.okaluge.com 报告题目: 基于机器学习的复合材料/多孔介质导热性能研究

报告人:鲍华(上海交通大学密西根学院)

报告时间:2020512日(星期二)上午 1030-1200

报告方式:腾讯会议平台

链接直接加入会议https://meeting.tencent.com/s/5osY3yjde1ed

会议 ID219 223 234,会议密码:0512

报告摘要:

热导率是复合材料和多孔介质最重要的物性参数之一。准确预测其的热导率,对于其应用和优化设计至关重要。然而,复合材料的结构一般比较复杂,建立结构和热导率之间的联系往往并不容易。一般利用等效介质理论模型来快速预测复合材料的等效热导率,然而这些模型的精确度较低。数值求解热扩散方程或者玻尔兹曼输运方程可以更加准确的预测复合材料的等效热导率,但是往往数值计算的成本较高。在本次报告中,我们首先展示运用机器学习方法准确地预测复合材料的等效热导率:通过机器学习算法和卷积神经网络抽取特征,并且建立图像和属性之间的关联,可以使得预测的相对误差小于3%。

上述工作展示了机器学习拥有良好的预测功能。然而,如何通过机器学习发现新的物理现象仍然是一个公认的挑战。针对该问题,我们以多孔石墨烯为例,展示了如何运用机器学习算法发现反例并提出新的物理机制的研究范式。一般认为,相对于周期性的孔排布,随机的孔排布会明显降低多孔结构的热导率,因为随机的孔排布使得热量的输运产生局域化效应,从而阻碍热量的进一步传输。我们提出了一种基于机器学习算法的搜索机制:通过计算量较小的玻尔兹曼输运方程模型进行初筛和优化,并运用更加准确且计算量大的分子动力学模拟来验证。通过这样的算法,快速的找到孔随机排布结构热导率高于周期排布的反例。深入分析发现这些反例中热导率的提高是由于特定的孔排布导致的,其作用远超过一般认为会降低热导率的声子局域化效应?;诟梅⑾?,我们提出了5个新的结构因子,这些结构因子有明确的物理意义,并可以用于建立快速预测纳米多孔结构热导率的机器学习模型。

报告人简介

        鲍华于2006年本科毕业于清华大学物理系,2012年在美国普渡大学机械工程学院获得博士学位。毕业之后受聘为上海交通大学密西根学院博士生导师,历任助理教授、副教授。美国普渡大学、美国克莱姆森大学访问学者,上海交通大学材料基因组中心成员。鲍华课题组主要研究方向为微纳尺度下的导热和辐射,以及相关基础理论在电子器件热管理、复合能源材料等领域的应用。在Nature Communications, Physical Review B, International Journal of Heat and Mass Transfer等物理和能源期刊上发表论文50余篇,受邀作为Scientific Reports期刊的编委会成员,中国材料测试与标准团体委员会(CSTM) 材料基因工程领域(FC97)委员?;竦霉易匀豢蒲Щ鹎嗄晗钅?、面上项目等资助,获得上海市自然科学基金的资助。

 欢迎全校师生参会!

                                                                重庆邮电大学理学院

                                                                              2020.5.10