×
斯凯勒·R·圣皮埃尔。;Rajasekharan，迪维亚;伊桑·C·达尔文。;凯文·林卡;马克·莱文斯顿。;艾伦·库尔

发现人造肉和真肉的机理。 （英语） Zbl 07736346号

计算。方法应用。机械。工程师。 415，文章ID 116236，24 p.（2023）.
摘要：人造肉是一种生态友好的替代品，可替代市场上销售的具有类似味道和感觉的真肉。人工肉的机械特性显著影响我们对味道的感知，但人工肉与真肉的机械性能相比究竟有多精确，目前尚不清楚。在这里，我们对各向同性人造肉（Tofurky）、各向异性人造肉（Daring Chick'n Pieces）和各向异性真肉（鸡肉）进行了机械拉伸、压缩和剪切试验，并使用本构神经网络和自动模型发现分析数据。我们的研究表明，当变形量为10%时，人造鸡和真鸡表现出相似的最大应力，拉伸时为21.0 kPa和21.8 kPa，压缩时为-7.2 kPa和-16.4 kPa，剪切时为2.4 kPa和0.9 kPa，而太妃糖的最大应力达28.5 kPa、-38.3 kP和5.5 kPa。为了发现最能解释这些数据的机制，我们参考了两个Ogden和Valanis-Landel型本构神经网络。这两个网络都能稳健地发现模型和参数，以解释人工肉和真肉在单独拉伸、压缩和剪切试验以及所有三种组合试验中的复杂非线性行为。当局限于经典的neo-Hooke、Blatz-Ko和Mooney-Rivlin模型时，两个网络都发现太妃糖的剪切模量为94.4 kPa，人造鸡的剪切模量是35.7 kPa，真鸡的剪切模数是21.4 kPa。我们的结果表明，在所有加载模式下，人工鸡肉都能成功地再现真实鸡肉的力学性能，而太妃糖则不行，其硬度大约是真鸡肉的三倍。引人注目的是，这三种肉制品都表现出剪切软化，它们的剪切阻力比拉伸和压缩阻力低一个数量级。我们期望我们的研究能够激发更多人工肉和真实肉的定量、机械比较。我们基于自动模型发现的方法有可能为设计更正宗的肉类替代品提供信息，改善人们的味觉，最终目标是减少环境影响，改善动物福利，缓解气候变化，同时仍然提供传统肉类的常见味道和质地。我们的源代码、数据和示例位于https://github.com/LivingMatterLab/CANN网站.

引用于1文件

MSC公司：

74升15 生物力学固体力学
74B20型 非线性弹性
68T05型 人工智能中的学习和自适应系统

关键词：

人造肉;自动模型发现;本构建模;奥格登模型;Valanis-Landel模型;本构人工神经网络

软件：

罐头
PDF格式BibTeX公司 XML格式引用
\textit{S.R.圣皮埃尔}等人，计算。方法应用。机械。工程415，文章ID 116236，24 p.（2023；Zbl 07736346）
全文： 内政部

参考文献：

[1] Clifford Astbury，C.，《日常食品的健康和可持续性》，自然食品，4357（2023）
[2] Post，M.J。；Levenberg，S.L。；卡普兰，D.L。；Genovese，N.G。；Fu，J。；布莱恩特，C.J。；Negowetti，N。；Verzijden，K。；Moutsatsous，P.，《养殖肉类的科学、可持续性和监管挑战》，《自然食品》，第1403-415页（2020年）
[3] UBS Global，M.J.，《食品革命》，UBS Insights（2019），URLhttps://www.ubs.com/global/en/wealth-management/insights/chief-investment-office/sustainable-investing/2019/food-revolution.html
[4] 马伦，A.，人工肉的价格合适，自然食品，3813（2022）
[5] 哈特曼，C。；Siegrist，M.，《消费者对可持续蛋白质消费的认知和行为：系统综述》，《食品科学趋势》。技术。，61, 11-25 (2017)
[6] Nezlek，J.B。；Forestell，C.A.，《肉类替代品：现状、潜在利益和剩余挑战》，Curr。操作。食品科学。，47, 1008-1090 (2022)
[7] Dekkers，B.L。；动臂，R.M。；van der Goot，A.J.，《肉类类似物的结构化过程》，《食品科学趋势》。技术。，81, 25-36 (2018)
[8] He，J。；新墨西哥州埃文斯。；刘，H。；Shao，S.，《植物肉类替代品研究综述：驱动力、历史、制造和消费者态度》，《康普出版社》。食品科学评论。食品安全。，19, 2639-2656 (2020)
[9] Jonkers，N。；van Dommelen，J.A.W。；Geers，M.G.D.，与质地参数相关的食品内在机械特性，机械。取决于时间。材料。，26, 323-346 (2022)
[10] 佛罗伦萨，M。；金奇拉，A.J。；Nolden，A.A.，《感官评估在消费者接受植物性肉类类似物和肉类延长剂中的作用：范围界定综述》，《食品》，9（2020年）
[11] 帕斯库，Y。；科索，H。；Foegeding，E.A.，《食品结构：机械性能和口腔加工在决定软材料感官结构中的作用》，Curr。操作。胶体界面科学。，18, 324-333 (2013)
[12] Budday，S。；索默，G。；C.伯克尔。；Langkammer，C。；海贝克，J。；Kohnert，J。；Bauer，M。；保尔森，F。；斯坦曼，P。；科尔，E。；Holzapfel，G.A.，人类脑组织的机械特性，生物学报。，48, 319-340 (2017)
[13] Linka，K。；Hillgärtner，M。；Abdolazizi，K.P。；艾丁，R.C。；伊茨科夫，M。；Cyron，C.J.，《本构人工神经网络：通过深度学习实现预测数据驱动本构建模的快速通用方法》，J.Compute。物理。，429，第110010条pp.（2021）·Zbl 07500745号
[14] Holzapfel，G.A。；Linka，K。；Sherifova，S。；Cyron，C.，《通过深度学习对动脉进行预测性本构建模》，J.R.Soc.Interface，18，第20210411页，（2021）
[15] 弗拉舍尔，M。；库马尔，S。；De Lorenzis，L.，可解释超弹性本构定律的无监督发现，计算。方法应用。机械。工程，381，第113852条pp.（2021）·Zbl 1506.74051号
[16] Linka，K。；Kuhl，E.，面向自动模型发现的本构人工神经网络新家族，计算。方法应用。机械。工程，403，第115731条pp.（2023）·Zbl 07644192号
[17] Linka，K。；圣皮埃尔，S.R。；Kuhl，E.，使用本构人工神经网络自动发现人脑模型，生物学报。，160, 134-1510 (2023)
[18] Linka，K。；Buganza Tepole，A。；Holzapfel，G.A。；Kuhl，E.，《皮肤自动模型发现：发现最佳模型、数据和实验》，计算。方法应用。机械。工程，410，第116007条pp.（2023）·兹比尔07737578
[19] 阿尔伯，M。；布甘扎·特波尔，A。；坎农，W。；德·S。；杜拉·贝纳尔，S。；Garikipati，K。；Karniadakis，G.E。；莱顿，W.W。；佩尔迪卡里斯，P。；佩佐德，L。；Kuhl，E.，《整合机器学习和多尺度建模：生物、生物医学和行为科学中的观点、挑战和机遇》，新泽西数字。医学，2115（2019）
[20] Fuhg，J.N。；布克拉斯，N。；Jones，R.E.，通过张量基神经网络从数据中学习超弹性各向异性，J.Mech。物理学。固体，168，第105022条pp.（2022）
[21] Klein，D.K。；费尔南德斯，M。；马丁·R·J。；内夫，P。；Weeger，O.，《带神经网络的多凸各向异性超弹性》，J.Mech。物理学。固体，159，第105703条pp.（2022）
[22] 马西，F。；斯特凡努，I。；Vannucci，P。；Maffi-Berthier，V.，本构建模用基于热力学的人工神经网络，J.Mech。物理学。固体，14704277（2021）
[23] As'ad，F。；艾弗里，P。；Farhat，C.，《数据驱动本构建模中基于机械的人工神经网络方法》，国际。J.数字。方法工程，123，2738-2759（2022）·Zbl 1528.74114号
[24] Tac，V.公司。；Sahli Costabal，F。；Buganza Tepole，A.，数据驱动组织力学与多凸神经常微分方程，计算。方法应用。机械。工程，398，第115248条pp.（2022）·Zbl 1507.74236号
[25] Ogden，R.W.，《大变形各向同性弹性——关于不可压缩橡胶状固体的理论和实验相关性》，Proc。R.Soc.伦敦。序列号。数学。物理学。工程科学。，326, 565-584 (1972) ·Zbl 0257.73034号
[26] Valanis，K。；Landel，R.F.，超弹性材料在拉伸比方面的应变能函数，J.Appl。物理。，38, 2997-3002 (1967)
[27] Valanis，K.C.，不可压缩和可压缩类橡胶材料的Valanis-Landel应变能函数弹性，国际固体结构杂志。，238，第111271条pp.（2022）
[28] Treloar，L.，一般均匀应变下橡胶的应力和双折射，Proc。物理学。Soc.（1926-1948），60135（1948）
[29] 布拉茨，P.J。；Ko，W.L.，有限弹性理论在橡胶材料变形中的应用，Trans。液体流变学。，6, 223-252 (1962)
[30] Mooney，M.，《大弹性变形理论》，J.Appl。物理。，11, 582-592 (1940)
[31] Rivlin，R.S.，《各向同性材料的大弹性变形IV.一般理论的进一步发展》，Phil.Trans。R.Soc.A，241379-397（1948）·Zbl 0031.42602号
[32] 圣皮埃尔，S.R。；Linka，K。；Kuhl，E.，Principal-streat-based constructive neural networks autonomyly discovery a subscrible of Ogden models for human brain tissue，brain Multiph.，基于主体-拉伸的本构神经网络自动发现了人脑组织奥格登模型的一个子类。，4，第100066条pp.（2023）
[33] 艾格斯曼，R。；斯泰尼尔，L。；奥尔蒂斯，M。；Reese，S.，张量投票增强的无模型数据驱动计算力学，计算。方法应用。机械。工程，373，第113499条pp.（2021）·Zbl 1506.74492号
[34] Rezaei，S。；哈兰迪，A。；Moeineddin，A。；Xu，B.X。；S.，R.，物理信息神经网络的混合公式，作为异质领域工程问题的潜在解决方案：与有限元方法的比较，计算。方法应用。机械。工程，401，第115616条pp.（2022）·Zbl 1507.74068号
[35] Holzapfel，G.，《非线性固体力学：工程的连续方法》（2000），威利出版社·兹伯利0980.74001
[36] Hartmann，S.，带约束条件的广义多项式超弹性关系的参数估计，国际固体结构杂志。，38, 7999-8018 (2001) ·Zbl 1032.74014号
[37] 弗拉舍尔，M。；Yu，H。；赖特，N。；Hinrichsen，J。；Budday，S。；斯坦曼，P。；库马尔，S。；De Lorenzis，L.，使用EUCLID自动发现可解释的人脑组织超弹性材料模型（2023），arXiv
[38] Hinrichsen，J。；赖特，N。；布鲁尔，L。；保尔森，F。；凯斯迈尔，S。；Budday，S.，人脑组织特定区域超弹性材料参数的反向识别（2022），bioRxiv
[39] Famaey，N。；Sommer，G。；Vander Sloten，J。；Holzapfel，G.A.，《动脉夹持：有限元模拟和体内验证》，J.Mech。贝哈夫。生物识别。材料。，12, 107-118 (2012)
[40] 德凯格尔，D。；Vastmans，J。；费尔瓦里，H。；降压器B。；Vander Sloten，J。；Famaey，N.，《人类硬脑膜的生物力学特征》，J.Mech。贝哈夫。生物识别。材料。，79, 122-134 (2018)
[41] Menzel，A.，正交异性乘法生长的纤维重新定向模型，生物技术。模型。机械双醇。，6, 303-320 (2006)
[42] 杰泽克，F。；Kameník，J。；马查尔·科娃，B。；波格达诺维奇，K。；Bednář，J.，《肉类烹饪：对质地、烹饪损失和微生物质量的影响——综述》，《布尔诺兽医学报》，88，487-496（2020）
[43] 琼斯，北。；van Dijk，W.J。；新罕布什尔州冯克。；van Dommelen，J.A.W。；Geers，M.G.D.，选择性激光烧结淀粉基食品的各向异性力学性能，食品工程杂志，318，第110890页，（2022）
[44] Wang，L.M。；Linka，K。；Kuhl，E.，使用本构递归神经网络自动发现肌肉模型，J.Mech。贝哈夫。生物识别。材料。，第106021条pp.（2023）
[45] Fuhg，J.N。；Bouklas，N.，《通过概率机器学习和空间填充采样的物理信息数据驱动的各向同性和各向异性本构模型》，计算。方法应用。机械。工程，394，第114915条pp.（2022）·Zbl 1507.74551号
[46] Menzel，A。；Steinmann，P.，《各向异性有限超塑性观点》，《欧洲力学杂志》。A固体，22，71-87（2003）·Zbl 1026.74013号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。