Abbonarsi

Direct numerical simulation of flexible molecules and data-driven molecular conformation - 03/12/19

Doi : 10.1016/j.crme.2019.11.001 
Amine Ammar a, , Francisco Chinesta b
a LAMPA @ Arts et Métiers ParisTech, 2, boulevard du Ronceray, BP 93525, 49035 Angers cedex 01, France 
b ESI Group Chair @ PIMM, Arts et Métiers Institute of Technology, CNRS, CNAM, HESAM University, 151 boulevard de l'Hôpital, 75013 Paris, France 

Corresponding author.

Benvenuto su EM|consulte, il riferimento dei professionisti della salute.
L'accesso al testo integrale di questo articolo richiede un abbonamento.

pagine 11
Iconografia 7
Video 0
Altro 0

Abstract

The present work aims at performing a molecular dynamics modeling of suspensions composed of flexible linear molecules. Molecules are represented by a series of connected beads, whose dynamics is governed by three potentials: the extension potential affecting the elongation of segments connecting consecutive beads, the one governing the molecule bending and finally the Lennard-Jones describing the interaction of non-consecutive beads. A population of non-interacting molecules is simulated in elongation and shear flows for different flow and molecule parameters. The flow-induced conformation is analyzed in the different considered situations. Finally a model for predicting the evolution of the population conformation will be obtained by using deep-learning.

Il testo completo di questo articolo è disponibile in PDF.

Keywords : Flexible molecules, Direct numerical simulation, Molecular dynamics, Suspension, Deep-learning


Mappa


© 2019  Académie des sciences. Pubblicato da Elsevier Masson SAS. Tutti i diritti riservati.
Aggiungere alla mia biblioteca Togliere dalla mia biblioteca Stampare
Esportazione

    Citazioni Export

  • File

  • Contenuto

Vol 347 - N° 11

P. 743-753 - novembre 2019 Ritorno al numero
Articolo precedente Articolo precedente
  • Foreword
  • Francisco Chinesta, Elias Cueto, Pierre Ladevèze
| Articolo seguente Articolo seguente
  • Code2vect: An efficient heterogenous data classifier and nonlinear regression technique
  • Clara Argerich Martín, Ruben Ibáñez Pinillo, Anais Barasinski, Francisco Chinesta

Benvenuto su EM|consulte, il riferimento dei professionisti della salute.
L'accesso al testo integrale di questo articolo richiede un abbonamento.

Già abbonato a @@106933@@ rivista ?

@@150455@@ Voir plus

Il mio account


Dichiarazione CNIL

EM-CONSULTE.COM è registrato presso la CNIL, dichiarazione n. 1286925.

Ai sensi della legge n. 78-17 del 6 gennaio 1978 sull'informatica, sui file e sulle libertà, Lei puo' esercitare i diritti di opposizione (art.26 della legge), di accesso (art.34 a 38 Legge), e di rettifica (art.36 della legge) per i dati che La riguardano. Lei puo' cosi chiedere che siano rettificati, compeltati, chiariti, aggiornati o cancellati i suoi dati personali inesati, incompleti, equivoci, obsoleti o la cui raccolta o di uso o di conservazione sono vietati.
Le informazioni relative ai visitatori del nostro sito, compresa la loro identità, sono confidenziali.
Il responsabile del sito si impegna sull'onore a rispettare le condizioni legali di confidenzialità applicabili in Francia e a non divulgare tali informazioni a terzi.


Tutto il contenuto di questo sito: Copyright © 2026 Elsevier, i suoi licenziatari e contributori. Tutti i diritti sono riservati. Inclusi diritti per estrazione di testo e di dati, addestramento dell’intelligenza artificiale, e tecnologie simili. Per tutto il contenuto ‘open access’ sono applicati i termini della licenza Creative Commons.