| 研究課題/領域番号 |
20K03786
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分13010:数理物理および物性基礎関連
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
MOLINA JOHN 京都大学, 工学研究科, 助教 (20727581)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | Electro-Hydrodynamics / Active Particles / Electrophoresis / Janus Particles / Quincke Rollers / Machine Learning / Multi-Scale Simulations / Flow Inference |
|---|
| 研究成果の概要 |
本研究の目的は、単粒子・多粒子アクティブ・コロイドのダイナミクスのメカニズムを理解することである。そのために、交流・直流電場下でのコロイド粒子の電気流体力学と剛体力学を考慮した計算手法を開発した。その結果、金属・誘電体ヤヌス粒子のダイナミクスを再現することに成功し、電場強度に対する速度依存性や粒子表面付近の強い電場勾配に伴う高周波での速度反転を再現した。さらに、直流電場下での誘電体粒子の集団ダイナミクスを調べ、流体力学と静電気力学の相互作用が実験で観察された異なる相をどのように説明するかを明らかにしました。最後に、複雑な流れの構成関係やストークス流問題の解を推測できる機械学習法を開発しました。
|
| 自由記述の分野 |
Computational Soft Matter Physics
|
| 研究成果の学術的意義や社会的意義 |
We have developed physical models that can be used to understand the rich dynamics of active colloidal particles, which can be used as building blocks for novel materials. We have also developed Machine-Learning methods that can significantly enhance our ability to predict complex flows.
|
