Doktorsavhandlingar från Högskolan för teknikvetenskaper vid Aaltodoc (extern länk)
Doktorsavhandlingar från Högskolan för teknikvetenskaper finns tillgängliga i Aaltodoc.
Disputation inom teknisk fysik, M.Sc. Isaac Y. Miranda Valdez
Fractional rheology and data-driven approaches to characterize viscoelastic materials
Disputation från Aalto-universitetets högskola för teknikvetenskaper, från institutionen för teknisk fysik.
Disputation från Aalto-universitetets högskola för teknikvetenskaper, från institutionen för teknisk fysik.
Avhandlingens titel: Fractional rheology and data-driven approaches to characterize viscoelastic materials
Doktorand: Isaac Y. Miranda Valdez
Opponent: CNRS Research Director Thibaut Divoux, ENS Lyon, Frankrike
Kustos: professor Mikko Alava Aalto-universitetets högskola för teknikvetenskaper
Viskoelastiska material finns överallt och används inom en rad olika områden, från biologisk vävnad till livsmedel. Trots deras betydelse är det en stor utmaning för forskare och ingenjörer att exakt förutsäga hur dessa material flödar och deformeras över tid. Svårigheten beror till stor del på deras komplexa mikrostruktur.
Denna doktorsavhandling förbättrar modelleringen och beskrivningen av mjuka material genom att integrera två kraftfulla metoder: fraktionell kalkyl och maskininlärning. Avhandlingen visar att kombinationen av dessa metoder kan fånga viskoelastiska materials komplexa beteende mer exakt än traditionell teknik.
Ett centralt resultat i studien är utvecklingen av ett automatiserat modelleringssätt som använder Bayesiansk optimering. Denna innovativa metod förenklar det svåra arbetet med att uppskatta materialparametrar och identifierar de bäst lämpade modellerna med kvantifierad osäkerhet. Dessutom introducerar forskningen ett öppet tillgängligt Python-paket, vilket gör dessa avancerade matematiska verktyg tillgängliga för det bredare forskarsamhället.
De praktiska tillämpningarna av forskningen demonstreras med biobaserade material, såsom nanocellulosafibrer och metylcellulosa. Dessa material är avgörande för att utveckla hållbara alternativ till plast. Genom att förbättra vår förmåga att förutsäga hur dessa material reagerar på mekanisk belastning över tid, banar detta arbete väg för design av högpresterande material för bioekonomin.
Sammanfattningsvis överbryggar denna avhandling klyftan mellan komplex matematisk teori och praktiska tillämpningar. Resultaten tyder på att kombinationen av datadriven maskininlärning och fysikbaserad modellering inte bara ökar vår förståelse för mjuk materia, utan också erbjuder en snabbare och mer tillförlitlig väg för framtida materialinnovation.
Nyckelord: viskoelasticitet, fraktionell kalkyl, Bayesiansk optimering
Avhandlingen är offentligt tillgänglig i elektronisk form 7 dagar före disputationen: Aalto University's public display page.
Kontaktuppgifter: https://www.linkedin.com/in/isaac-yair-miranda-valdez/
Doktorsavhandlingar vid Högskolan för teknikvetenskaper
