🔬 materials science

An extended deep energy method for thermo-mechanical crack propagation

Este artículo presenta un método de energía profunda extendido que utiliza dos redes neuronales y una representación de polilínea nítida para resolver problemas acoplados de propagación de grietas termomecánicas, logrando una alta precisión en la extracción del factor de intensidad de tensiones y en la predicción de la trayectoria de la grieta a través de diversas condiciones de carga sin requerir una longitud de regularización.

Autores originales: Han Zhang, Mehrisadat Makki Alamdari, Babak Shahbodagh, Mohammad Vahab, Cosmin Anitescu, Timon Rabczuk, Elena Atroshchenko

Publicado 2026-10-08

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Han Zhang, Mehrisadat Makki Alamdari, Babak Shahbodagh, Mohammad Vahab, Cosmin Anitescu, Timon Rabczuk, Elena Atroshchenko

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el mundo de la ingeniería, los materiales a menudo fallan no solo porque se les tira con demasiada fuerza, sino porque se calientan o se enfrían de manera desigual. Cuando un plato de cerámica se sumerge en agua fría o un componente metálico en un motor de avión se enfrenta a un calor extremo, las diferencias de temperatura crean tensiones internas que pueden ser lo suficientemente fuertes como para agrietar el material. Estas grietas rara vez viajan en líneas rectas; se curvan, se ramifican y se retuercen en patrones que son difíciles de predecir. Para los ingenieros que diseñan desde reactores nucleares hasta naves espaciales, comprender exactamente cómo crecerá una grieta bajo estas fuerzas térmicas y mecánicas combinadas es una cuestión de seguridad y supervivencia. Los métodos informáticos tradicionales para predecir este comportamiento suelen tener dificultades porque deben remodelar constantemente su rejilla digital para seguir el camino dentado de una grieta en movimiento, un proceso que es computacionalmente costoso y propenso a errores.

Un equipo de investigadores ha desarrollado una nueva forma de simular este complejo comportamiento utilizando inteligencia artificial, específicamente una técnica que trata el problema como una tarea de minimización de energía. En lugar de obligar a una computadora a resolver una serie de ecuaciones difíciles paso a paso, el nuevo método pide a una red neuronal que encuentre el estado de menor energía para todo el sistema a la vez. Los investigadores construyeron un sistema donde dos redes neuronales separadas trabajan en tándem: una predice cómo fluye el calor a través del material y la otra predice cómo se deforma el material bajo tensión. Crucialmente, ambas redes reciben un "mapa" especial de la ubicación de la grieta. Este mapa permite a las redes comprender que el material está dividido en dos, lo que les permite representar el salto repentino en la temperatura y la separación de las caras del material sin necesidad de redibujar la rejilla de la computadora cada vez que la griya se mueve.

Los investigadores probaron este enfoque en varios escenarios desafiantes, incluyendo una placa metálica con una muesca que fue calentada y luego estirada, y un espécimen en forma de cruz sometido tanto a calor como a fuerza. En cada caso, el método predijo con éxito la trayectoria que seguiría la grieta. Las simulaciones mostraron que la grieta crecería en la dirección que liberara la mayor cantidad de energía, una regla que se cumple en el mundo real. El equipo también verificó que su método podía calcular con precisión la intensidad del estrés en la punta misma de la grieta, un valor crítico que determina si una grieta se detendrá o seguirá creciendo. Al comparar sus resultados con soluciones conocidas y otros modelos informáticos avanzados, encontraron que sus predicciones coincidían con alta precisión, a menudo dentro de una fracción de un porcentaje.

Uno de los aspectos más significativos de este trabajo es cómo maneja el borde afilado de una grieta. Muchos métodos de simulación modernos suavizan la grieta convirtiéndola en una zona borrosa para facilitar las matemáticas, pero esto puede ocultar detalles importantes sobre cómo se comporta la punta de la grieta. El nuevo método mantiene la grieta como una línea afilada y distinta durante toda la simulación. Esto permite a los investigadores leer los valores de tensión directamente de la punta sin tener que adivinar o estimarlos a partir de una zona borrosa. El método también tiene en cuenta el hecho de que la resistencia del material al agrietamiento puede cambiar dependiendo de qué tan caliente esté la punta de la grieta. Al resolver el flujo de calor y la tensión mecánica juntos, el sistema captura el bucle de retroalimentación donde el calor causa tensión, y la grieta resultante cambia cómo fluye el calor.

El estudio confirma que este enfoque de red neuronal basado en la energía es una herramienta poderosa para comprender la fractura termomecánica. Evita la necesidad de rejillas informáticas complejas y en constante cambio, y proporciona una forma directa y precisa de ver cómo se comportarán las grietas bajo las duras condiciones que se encuentran en la ingeniería del mundo real. Los investigadores demostraron que el método funciona tanto para materiales simples como para aquellos con propiedades variables, como los materiales con gradiente funcional diseñados para soportar entornos térmicos extremos. Al predecir con éxito las trayectorias de las grietas en escenarios de carga por tensión, cizalladura y carga combinada, el trabajo ofrece una nueva forma fiable de simular la falla, ayudando potencialmente a los ingenieros a diseñar estructuras más seguras que puedan resistir las amenazas duales del calor y la fuerza.

Resumen Técnico: Un Método de Energía Profunda Extendido para la Propagación de Grietas Termomecánicas

Planteamiento del Problema
La fractura termomecánica implica el acoplamiento de la conducción de calor transitoria en un dominio agrietado con la propagación de la grieta impulsada por tensiones térmicas y mecánicas evolutivas. Aunque los resolvedores de energía neuronal han sido extendidos recientemente para representar grietas nítidas en entornos isotérmicos, aún no han abordado el tratamiento simultáneo de la conducción de calor en un dominio agrietado y la propagación de la grieta bajo las tensiones térmicas resultantes. Los enfoques existentes suelen depender de métodos de campo de fase (phase-field), que regularizan la grieta en una banda de daño difusa, o métodos tradicionales basados en mallas (XFEM, zonas cohesivas) que requieren un seguimiento geométrico explícito y re-mallado. Existe una brecha significativa en los resolvedores basados en redes neuronales que puedan manejar una grieta nítida, resolver el campo de temperatura en el dominio agrietado y propagar la grieta basándose en campos entrenados sin necesidad de regularización o actualizaciones explícitas de la malla.

Metodología
Los autores proponen un Método de Energía Profunda Extendido (EDM) que mantiene la grieta como una polilínea nítida a lo largo de la simulación. La metodología integra tres componentes principales:

Incrustación de Discontinuidad (Discontinuity Embedding): La geometría de la grieta se codifica mediante una función de incrustación escalar, $\rho(x)$ , que es discontinua a través de las caras de la grieta y suave en otras partes. Esta función se añade como entrada a dos redes neuronales separadas: una para la temperatura ( $T$ ) y otra para el desplazamiento ( $u$ ). Esto permite que una única red global represente saltos de desplazamiento y valores de temperatura distintos en las caras opuestas de la grieta sin dividir el dominio.
Minimización de Energía Escalonada (Staggered Energy Minimization): La solución procede mediante una secuencia escalonada en cada paso de carga:
- Resolución Térmica: El campo de temperatura se obtiene minimizando un funcional incremental de la conducción de calor transitoria (utilizando un esquema de Euler hacia atrás). Las caras de la grieta se tratan como fronteras adiabáticas, una condición que se satisface naturalmente mediante la forma débil del funcional de energía, complementada con un término de consistencia.
- Resolución Mecánica: El campo de desplazamiento se obtiene minimizando la energía potencial termoelástica. La red de desplazamiento se enriquece cerca de la punta de la grieta utilizando la expansión de Williams con amplitudes entrenables ( $a_I, a_{II}$ ), de forma análoga a XFEM, para capturar la singularidad de deformación $r^{-1/2}$ .
- Integración: Las energías se estiman mediante integración de Monte Carlo en puntos estratificados sobre elementos de fondo cuadrados. Crucialmente, estos puntos se redibujan periódicamente durante el entrenamiento para evitar soluciones espurias (por ejemplo, capas de transición ocultas entre puntos fijos) y se densifican cerca de la punta de la grieta.
Propagación de Grietas y Fuerza Impulsora: El crecimiento de la grieta se rige por criterios de la Mecánica de Fractura Elástica Lineal (LEFM) evaluados sobre los campos entrenados:
- Extracción de SIF: Los Factores de Intensidad de Esfuerzo (SIF) se extraen mediante el integral de interacción. Bajo carga térmica, esto incluye el término de área de Wilson y Yu, el cual es esencial para la independencia de trayectoria en campos de temperatura no uniformes.
- Verificaciones de Admisibilidad: Para garantizar la fiabilidad, la extracción de los SIF se valida mediante un barrido del radio del contorno. Se acepta una lectura solo si la deriva a través de los radios se mantiene dentro de una tolerancia establecida, confirmando la presencia de la singularidad correcta.
- Criterio de Crecimiento: La grieta avanza cuando la tasa de liberación de energía de un doblez (kink) en la dirección del esfuerzo de aro máximo alcanza un valor crítico dependiente de la temperatura ( $G_c(T)$ ). La dirección se determina mediante el criterio del esfuerzo de aro máximo, y la resistencia se evalúa a la temperatura de la punta de la grieta.

Contribuciones Clave

Resolvedor Termomecánico Unificado: Este trabajo presenta un resolvedor de red neuronal que resuelve el campo de temperatura en un dominio agrietado y propaga una grieta nítida basada en criterios de fractura evaluados en dichos campos, una combinación no reportada previamente en la literatura.
Representación de Grieta Nítida sin Regularización: Al combinar la incrustación de discontinuidad con el enriquecimiento cerca de la punta, el método representa una grieta nítida y accede directamente a los SIF, evitando la longitud de regularización y el costo computacional asociados con las bandas difusas de campo de fase.
Extracción Robusta de Fractura Térmica: El artículo introduce un protocolo riguroso para extraer los SIF bajo carga térmica, incorporando específicamente el término de área de Wilson y Yu y aplicando una verificación de admisibilidad por barrido de radio para filtrar lecturas no fiables.
Manejo de Geometrías Complejas: La función de incrustación se construye para manejar dobleces (kinks) y esquinas en la polilínea de la grieta, asegurando que la discontinuidad permanezca bien definida incluso mientras la geometría de la grieta evoluciona.

Resultados
El método fue evaluado en cuatro pruebas de referencia (benchmarks):

Grieta de Borde Térmica Estacionaria: El SIF extraído coincidió con un valor publicado con una precisión de 0.11% en la malla más fina, validando el procedimiento de extracción incluyendo el término de área.
Entalla de Tensión de Borde Único (Homogénea): Bajo tres cargas térmicas ( $\Delta T = -50, 0, +50$ K), las trayectorias de grieta predichas y las cargas máximas coincidieron con las referencias de campo de fase.
Entalla de Cizalladura de Borde Único (Gradiente Funcional): El método reprodujo las trayectorias de iniciación y propagación de manera consistente tanto con las referencias de campo de fase como con una solución independiente de grieta nítida por elementos finitos.
Especímen Cruciforme con Entallas: Bajo carga mecánica, térmica y combinada, las trayectorias de grieta predichas siguieron las soluciones publicadas de seis estudios independientes.

En todos los casos, el método reprodujo con éxito las trayectorias de las grietas y la influencia de la carga térmica en la iniciación y la carga máxima, manteniendo la grieta como una entidad geométrica nítida.

Significancia
El artículo sostiene que este enfoque cierra la brecha entre la eficiencia de los resolvedores de energía basados en redes neuronales y la fidelidad física requerida para la fractura termomecánica de grietas nítidas. Al retener la grieta nítida y el acceso directo a las cantidades de la mecánica de fractura (SIF, temperatura de la punta de la grieta), el método evita la recuperación indirecta de estas cantidades inherente a los enfoques de campo de fase. Además, los procedimientos numéricos propuestos —específicamente el re-muestreo de los puntos de integración y la validación de SIF mediante barrido de radio— abordan problemas de estabilidad y precisión que han obstaculizado la aplicación de los métodos de energía profunda a problemas de fractura acoplados complejos. El trabajo demuestra que las redes neuronales pueden resolver eficazmente la conducción de calor transitoria acoplada y la elasticidad cuasiestática en dominios discontinuos evolutivos sin necesidad de un seguimiento explícito de la malla o de regularización.

Más como este