Resumen Técnico: Resolución de Contacto Rugoso en Capas mediante un Marco de Operadores Informado por la Física

1. Planteamiento del Problema

La predicción del comportamiento de contacto tridimensional entre superficies rugosas en capas es crítica para el diseño de interfaces tribológicas en la industria aeroespacial, sistemas de frenado y microelectrónica. Sin embargo, los métodos existentes enfrentan limitaciones significativas:

• Experimental: Las mediciones carecen de resolución subsuperficial.
• Teórico: Los modelos analíticos dependen de suposiciones geométricas simplificadas (por ejemplo, interfaces suaves o aproximaciones estadísticas) que no logran capturar campos de contacto deterministas locales.
• Numérico: Los métodos de alta fidelidad como el Método de Elementos de Contorno (BEM) son computacionalmente prohibitivos para problemas multiescala, requiriendo a menudo minutos u horas para la inferencia de campo completo debido a la necesidad de optimización iterativa para resolver las condiciones de contacto elastoplásticas no lineales.

El desafío central es desarrollar un método que mantenga la fidelidad física de los resolvedores iterativos mientras alcanza la eficiencia computacional de los sustitutos (surrogates) basados en datos, específicamente para sistemas en capas que involucran deformaciones elastoplásticas complejas y rugosidad superficial multiescala.

2. Metodología

Los autores proponen un marco de descomposición de operadores informado por la física que separa el problema de contacto en dos componentes distintos:

1. El Mapeo No Lineal Desconocido: El complejo mapeo del estado de contacto (que determina qué asperezas están en contacto y la deformación plástica resultante).
2. El Operador Elástico Conocido: La complacencia elástica analíticamente conocida del medio en capas, que relaciona la presión con el desplazamiento elástico.

Arquitectura

El marco utiliza una arquitectura de aprendizaje profundo híbrida:

• Backbone (Columna Vertebral): Una U-Net mejorada con Atención equipada con un cuello de botella de Operador de Red de Fourier (FNO).
  • Capas Convolucionales: Extraen características geométricas localizadas de alta frecuencia (por ejemplo, pendientes de microasperezas).
  • Puertas de Atención Espacial (AG): Escalan dinámicamente los mapas de características para priorizar las regiones de contacto activas, abordando la escasez espacial de los contactos rugosos.
  • Cuello de Botella FNO: Mapea las características espaciales al dominio espectral para capturar acoplamientos elásticos de largo alcance y patrones de esfuerzo de campo lejano que las convoluciones locales no logran captar.
• Condicionamiento de Entrada: Un módulo de Modulación Lineal por Características (FiLM) inyecta parámetros físicos adimensionales (espesor del recubrimiento, relaciones de rigidez, condiciones de carga) en la red para facilitar la generalización a través de escalas y propiedades de materiales.
• Capa Informada por la Física: En lugar de aprender el campo de desplazamiento enteramente de los datos, la presión de contacto predicha ($p_n$) se pasa a través de una capa de FFT no entrenable y diferenciable. Esta capa aplica explícitamente la función de Green elástica estratificada analítica para calcular el desplazamiento elástico ($u_{elastic}$).
• Deformación Plástica: Una cabeza convolucional residual predice el componente de desplazamiento plástico ($u_{plastic}$), modulado por una puerta sigmoide para suprimir la plasticidad en las regiones que no están en contacto.
• Síntesis de Salida: El desplazamiento total es la superposición lineal: $u_{tot} = u_{elastic} + u_{plastic}$.

Estrategia de Entrenamiento

El modelo se entrena mediante un procedimiento de dos etapas utilizando un conjunto de datos generado mediante el Muestreo por Hipercubo Latino (LHS) que cubre 13 variables de diseño (rugosidad, geometría, propiedades de materiales):

1. Preentrenamiento Basado en Datos: Optimiza la red para capturar las fronteras iniciales de contacto geométrico utilizando el error cuadrático medio (MSE) estándar frente a la presión y el desplazamiento derivados de BEM.
2. Ajuste Fino Informado por la Física: Incorpora una función de pérdida compuesta ($\mathcal{L}_{tot}$) que incluye:
   • Errores basados en datos para presión y desplazamiento.
   • Términos de Penalización basados en KKT: Imponen la no penetración ($g \ge 0$), la no negatividad de la presión ($p_n \ge 0$) y la complementariedad de contacto ($p_n \cdot g = 0$).
   • Restricción de Dureza: Limita la presión local a la dureza del material ($H_Y$) para simular el flujo plástico.

3. Contribuciones Clave

• Descomposición de Operadores: El artículo introduce un enfoque de "caja gris" que incrusta explícitamente el operador de complacencia elástica analítica (mediante FFT y funciones de Green) en la red, en lugar de tratar todo el problema de contacto como un mapeo de caja negra.
• Arquitectura Híbrida: La integración de U-Net (características locales), FNO (características espectrales globales) y mecanismos de Atención (localización de contacto disperso) permite al modelo resolver simultáneamente concentraciones de esfuerzo localizadas e interacciones elásticas de largo alcance.
• Admisibilidad Física: Al imponer las condiciones de Karush-Kuhn-Tucker (KKT) y los límites de dureza del material directamente en la función de pérdida y la arquitectura, el marco garantiza predicciones físicamente válidas (por ejemplo, sin interpenetración, presión no negativa).
• Generalización: El uso de módulos FiLM permite que el modelo se generalice a través de amplios rangos de propiedades de recubrimientos, escalas del sistema y condiciones de carga sin necesidad de reentrenamiento.

4. Resultados

El marco fue validado contra cálculos estándar de FFT-BEM a través de diversas topografías y regímenes de carga:

• Precisión: El modelo logra una alta fidelidad con un coeficiente de determinación ($R^2$) superior a 0.96 para métricas clave, incluyendo la relación de área de contacto, fuerza normal total, presión pico y desplazamiento medio.
  • El Error Absoluto Medio (MAE) para la presión y la fuerza se mantiene por debajo del 8%.
  • La predicción del área de contacto (IoU) se estabiliza en 0.83.
• Eficiencia: El marco reduce los tiempos de inferencia de campo completo de minutos (BEM) a milisegundos (~6.2 ms), lo que representa una aceleración de hasta 4 órdenes de magnitud.
• Estudios de Ablación:
  • La eliminación del cuello de botella FNO o de las puertas de Atención degrada significamente el rendimiento en la predicción de presiones pico y zonas de contacto, confirmando la necesidad de ambos tipos de extracción de características, tanto locales como globales.
  • El modelo híbrido supera a las bases puras de U-Net o FNO.
• Generalización:
  • El modelo mantiene un error bajo (<10⁻²) a través de siete órdenes de magnitud en las relaciones de rigidez y variaciones en el espesor de las capas.
  • Predice con éxito campos de contacto para topografías estructuradas no vistas (por ejemplo, surcos, rejillas cruzadas) que no estaban presentes en los datos de entrenamiento, demostrando una robusta generalización de cero disparos (zero-shot).
• Escalamiento Físico: El modelo recupera correctamente la relación de escalamiento sublineal entre el área de contacto real y la carga normal ($\gamma \approx 0.91$), consistente con las teorías para contactos en capas de espesor finito, distinguiéndose de las predicciones clásicas de medio infinito.

5. Significado y Reivindicaciones

Los autores afirman que este marco proporciona un sustituto eficiente y físicamente interpretable para resolver las respuestas de presión y desplazamiento de campo completo en el contacto rugoso en capas. Al desacoplar la física elástica lineal conocida del estado de contacto no lineal desconocido, el método supera los cuellos de botella computacionales de los resolvedores tradicionales, evitando al mismo tiempo el suavizado no físico y la falta de interpretabilidad asociados con los modelos puramente basados en datos.

El estudio sostiene que este enfoque permite la investigación sistemática de la mecánica de contacto a través de amplios regímenes geométricos, de materiales y de carga, ofreciendo una vía para futuras extensiones a problemas de interfaz de fricción, multicapa y dependientes del tiempo. El trabajo posiciona este método como un puente entre la mecánica numérica de alta fidelidad y el diseño rápido impulsado por IA, diseñado específicamente para las complejidades de los contactos elastoplásticos en capas.