面向微观结构的深度学习架起原子尺度至宏观尺度的桥梁,实现冲击起爆预测

发布时间:2026-08-29 | 来源:Nature Scientific Reports | 作者:Simon Gonzalez-Zapata

含能材料中的冲击起爆转变由极端温度、压力及应变率下的耦合过程控制,其时空尺度跨越从埃到毫米、从飞秒到微秒。传统多尺度模型因所涉现象间缺乏平衡态和尺度分离而失效。我们通过MISTnetX(一种卷积深度神经网络)直接桥接大规模分子动力学(MD)模拟与连续介质有限元(FE)模型,应对这一重大挑战。MISTnetX在复杂微结构

含能材料中的冲击起爆转变由极端温度、压力及应变率下的耦合过程控制,其时空尺度跨越从埃到毫米、从飞秒到微秒。传统多尺度模型因所涉现象间缺乏平衡态和尺度分离而失效。我们通过MISTnetX(一种卷积深度神经网络)直接桥接大规模分子动力学(MD)模拟与连续介质有限元(FE)模型,应对这一重大挑战。MISTnetX在复杂微结构中冲击传播的MD模拟上训练,能够捕捉冲击-微结构相互作用、热点形成及向爆燃的转变,为力学、冲击、热输运和化学的FE模拟提供关键亚网格信息。应用于一种合成但真实的纳米结构聚合物粘结RDX复合材料时,MISTnetX实现了从起爆到爆轰全过程的免参数预测。

返回资讯频道