Использование клеточно-автоматного подхода для создания цифровых двойников иерархических пористых структур

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье предложена мультимасштабная модель на основе клеточно-автоматного подхода для создания цифровых двойников пористых иерархических структур аэрогелей на основе альгината натрия. Предлагаемая модель использует клеточно-автоматный подход для генерации структур на мезо- и макроуровнях с их последующим объединением в единую цифровую мультимасштабную структуру, которая содержит как мезо-, так и макропоры. Экспериментально исследованы образцы аэрогелей на основе альгината натрия. Проведены вычислительные эксперименты по генерации цифровых структур, соответствующих полученным экспериментальным образцам. Дано сравнение структурных характеристик цифровых и экспериментальных образцов, на основе которых были сделаны выводы о корректной работе модели. Полученные цифровые мультимасштабные структуры могут быть использованы в дальнейшем для прогнозирования свойств иерархических структур, что позволит частично заменить натурные эксперименты вычислительными и, следовательно, снизить затраты при разработке новых материалов с заданными свойствами.

Об авторах

И. В. Лебедев

Российский химико-технологический университет им. Д.И. Менделеева

Москва, Россия

В. И. Гашенко

Российский химико-технологический университет им. Д.И. Менделеева

Москва, Россия

О. В. Федотова

Российский химико-технологический университет им. Д.И. Менделеева

Москва, Россия

А. А. Абрамов

Российский химико-технологический университет им. Д.И. Менделеева

Москва, Россия

П. Ю. Цыганков

Российский химико-технологический университет им. Д.И. Менделеева

Москва, Россия

Н. В. Меньшутина

Российский химико-технологический университет им. Д.И. Менделеева

Email: chemcom@muctr.ru
Москва, Россия

Список литературы

  1. Меньшутина Н.В., Ловская Д.Д., Лебедев А.Е., Лебедев Е.А.Процессы получения частиц аэрогелей на основе альгината натрия с использованием сверхкритической сушки в аппаратах различного объема // Сверхкритические Флюиды: Теория и Практика. 2017. Т. 12. № 2. C. 35.
  2. Smirnova I., Gurikov P.Aerogel production: Current status, research directions, and future opportunities: 30th Year Anniversary Issue of the Journal of Supercritical Fluids // The Journal of Supercritical Fluids. 2018. Т. 134. C. 228.
  3. Stergar J., Maver U.Review of aerogel-based materials in biomedical applications // Journal of Sol-Gel Science and Technology. 2016. V. 77. № 3. P. 738.
  4. García-González C.A., Alnaief M., Smirnova I.Polysaccharide-based aerogels—Promising biodegradable carriers for drug delivery systems // Carbohydrate Polymers. 2011. Т. 86. № 4. C. 1425.
  5. García-González C.A., Sosnik A., Kalmár J., De Marco I., Erkey C., Concheiro A., Alvarez-Lorenzo C.Aerogels in drug delivery: From design to application // Journal of Controlled Release. 2021. Т. 332. C. 40.
  6. Menshutina N., Majouga A., Uvarova A., Lovskaya D., Tsygankov P., Mochalova M., Abramova O., Ushakova V., Morozova A., Silantyev A.Chitosan Aerogel Particles as Nasal Drug Delivery Systems // Gels. 2022. V. 8. № 12. P. 796.
  7. Smirnova I., Suttiruengwong S., Arlt W.Feasibility study of hydrophilic and hydrophobic silica aerogels as drug delivery systems: Aerogels 7. Proceedings of the 7th International Symposium on Aerogels // Journal of Non-Crystalline Solids. 2004. Т. 350. C. 54.
  8. Toward Predictive Multiscale Modeling of Vascular Tumor Growth | Archives of Computational Methods in Engineering. https://link.springer.com/article/10.1007/s11831-015-9156-x
  9. Menshutina N.V., Kolnoochenko A.V., Lebedev E.A.Cellular Automata in Chemistry and Chemical Engineering // Annual Review of Chemical and Biomolecular Engineering. 2020. Т. 11. № 1. C. 87.
  10. Лебедев И.В. и др.Цифровые двойники пористых структур аэрогелей с использованием клеточно-автоматного подхода и кривых Безье // Теоретические основы химической технологии. 2023. Т. 57. № 4. С. 412.
  11. Gerke K.M., Karsanina M.V., Mallants D.Universal stochastic multiscale image fusion: an example application for shale rock // Scientific reports. 2015. Т. 5. № 1.С. 15880.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».