Morphology and dynamics at the meso-scale play crucial roles in the overall macro- or system-scale flow of heterogeneous materials. In a multi-scale framework, closure models upscale unresolved sub-grid (meso-scale) physics and therefore encapsulate structure-property (S-P) linkages to predict performance at the macro-scale. This work establishes a route to structure-property linkage, proceeding all the way from imaged micro-structures to flow computations in one unified level set-based framework. Level sets are used to: 1) Define embedded geometries via image segmentation; 2) Simulate the interaction of sharp immersed boundaries with the flow field, and 3) Calculate morphological metrics to quantify structure. Meso-scale dynamics are computed to calculate sub-grid properties, i.e. closure models for momentum and energy equations. The structure-property linkage is demonstrated for two types of multi-material flows: interaction of shocks with a cloud of particles and reactive meso-mechanics of pressed energetic materials. We also present an approach to connect local morphological characteristics in a microstructure containing topologically complex features with the shock response of imaged samples of such materials. This paves the way for using geometric machine learning techniques to associate imaged morphologies with their properties.

中文翻译：

---

使用基于水平集的欧拉图像到计算框架的冲击多材料流中的结构-性能联系

中尺度的形态学和动力学在异质材料的整体宏观或系统尺度流动中起着至关重要的作用。在多尺度框架中，闭包模型放大了未解析的子网格（中尺度）物理，因此封装了结构 - 属性（SP）链接以预测宏观尺度的性能。这项工作建立了一条通往结构-性能联系的途径，从成像的微结构一直到在一个统一的基于水平集的框架中进行流动计算。级别集用于： 1) 通过图像分割定义嵌入的几何图形；2) 模拟尖锐浸入边界与流场的相互作用，以及 3) 计算形态指标以量化结构。计算中尺度动力学以计算子网格属性，即动量和能量方程的闭合模型。对于两种类型的多材料流动证明了结构 - 性能联系：冲击与粒子云的相互作用和受压高能材料的反应细观力学。我们还提出了一种将包含拓扑复杂特征的微观结构中的局部形态特征与此类材料的成像样品的冲击响应联系起来的方法。这为使用几何机器学习技术将成像形态与其属性相关联铺平了道路。我们还提出了一种将包含拓扑复杂特征的微观结构中的局部形态特征与此类材料的成像样品的冲击响应联系起来的方法。这为使用几何机器学习技术将成像形态与其属性相关联铺平了道路。我们还提出了一种将包含拓扑复杂特征的微观结构中的局部形态特征与此类材料的成像样品的冲击响应联系起来的方法。这为使用几何机器学习技术将成像形态与其属性相关联铺平了道路。