Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Real-time Adhesion Trajectories & Inverse Design via Physics-Enhanced Machine Learning

Opis projektu

Projektowanie i prognozowanie w czasie rzeczywistym lepkosprężystych interfejsów adhezyjnych

Wiskoelastyczne interfejsy adhezyjne o regulowanych właściwościach mają kluczowe znaczenie dla ważnych technologii rozwijanych w sektorach biomedycyny, inteligentnych materiałów, robotyki i wielu innych. Jednak nasza zdolność do ich projektowania i kontrolowania była dotychczas ograniczona ze względu na wysokie koszty obliczeniowe modeli numerycznych oraz ograniczenia klasycznej mechaniki kontaktu, które uniemożliwiają prognozowanie w czasie rzeczywistym powierzchni o złożonej strukturze, nierównej i lepkosprężystej. Zespół projektu REAL-ADHERE, realizowanego przy wsparciu z działań „Maria Skłodowska-Curie”, opracuje platformę uczenia maszynowego uwzględniającą prawa fizyki (PEML), która umożliwi projektowanie i prognozowanie właściwości regulowanych interfejsów adhezyjnych oraz ich optymalizację odwrotną w czasie rzeczywistym. Badacze zastosują strategię hybrydową, mającą na celu zapewnienie interpretowalnych, spójnych fizycznie wyników przy jednoczesnym przyspieszeniu procesu projektowania i poprawie wydajności.

Cel

Viscoelastic adhesive interfaces with tunable properties are central to emerging technologies in robotics, biomedicine, and smart materials. However, their design and control are severely constrained by the slow computational cost of classical contact mechanics and empirical models, which cannot deliver real-time predictions across complex, viscoelastic, and non-smooth surfaces. This project introduces a Physics-Enhanced Machine Learning (PEML) framework for the real-time design, prediction, and inverse optimization of tunable adhesive interfaces. The approach integrates high-fidelity simulations with advanced learning architectures, spanning Neural Controlled Differential Equations (NCDEs) and Neural Operators, while embedding physical principles such as viscoelastic constitutive laws, energy balances, and adhesion models. This hybrid strategy ensures physically consistent and interpretable results while leveraging acceleration of ML inference for design. Furthermore, the project advances beyond forward modeling by employing generative design for the inverse problem, allowing the tailored engineering of adhesive surfaces under physical and manufacturing constraints. Prototype fabrication and validation will bridge the gap between simulation and experiment, ensuring demonstrable feasibility. The expected outcomes include: (i) the first real-time, physics-consistent tool for adhesive interface dynamics, (ii) design strategies generalizable to non-smooth and multi-asperity surfaces, and (iii) transformative applications in adaptive gripping, biomedical devices, and switchable adhesion systems. The project thus addresses urgent scientific and technological challenges by combining fundamental physics, cutting-edge ML, and experimental validation to pave the way for sustainable and high-impact adhesion technologies.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2025-PF

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

TECHNISCHE UNIVERSITAT BERLIN
Wkład UE netto
€ 236 128,88
Koszt całkowity
Brak danych

Partnerzy (2)