Mechanical design of soft viscoelastic adhesive interfaces via physics-guided data-driven modeling

Designing adhesive interfaces in soft viscoelastic solids remains a significant challenge, as accurate prediction of surface forces requires a comprehensive understanding of bulk dissipation, loading rate, and contact geometry. At the same time, an open question is whether data-driven models can learn from high-fidelity simulations while preserving the physical structure imposed by mechanics and enabling real-time prediction. This thesis addresses both challenges by developing a predictive framework for the normal detachment of smooth rigid indenters from soft viscoelastic substrates, integrating analytical modeling, Boundary Element Method (BEM) simulations, and physics-guided machine learning. Analytically, crack-propagation theory is extended to flat-punch detachment from finite viscoelastic layers, establishing three thickness-dependent regimes and showing that geometric confinement bounds adhesion amplification below the semi-infinite limit. For Hertzian contact, a four-parameter modified power-law constitutive model is introduced. Closed-form relations are derived in the time and frequency domains and coupled with Persson–Brener-type fracture mechanics to obtain an explicit scaling relation between unloading rate and crack speed at pull-off. These predictions are compared with adhesion experiments on PDMS at variable unloading rates to investigate the regime of validity of linear viscoelastic theory. BEM simulations over a broad parameter space (Tabor parameter, material exponent, preload, viscoelastic spectrum, and layer thickness) confirm the analytical trends and identify a threshold contact radius below which finite-size effects suppress adhesion amplification. The results further show that the transition between DMT-like and JKR-like detachment depends jointly on the Tabor parameter and indentation depth. Physics-augmented learning models trained on the simulation data predict pull-off force, effective surface energy, work to pull-off, and reduced descriptors of unloading trajectories. The use of learning models enables rapid prediction, reducing inference time from hours (required for numerical simulations) to milliseconds. Furthermore, embedding analytical descriptors as inputs improves physical consistency and reduces prediction error by 60% compared to purely data-driven models. The thesis establishes a predictive, mechanics-consistent hierarchy for fast and physically grounded analysis and design of soft adhesive interfaces.

La progettazione di interfacce adesive in solidi morbidi viscoelastici rappresenta ancora una sfida significativa, poiché una previsione accurata delle forze superficiali richiede una comprensione completa della dissipazione nel volume, della velocità di carico e della geometria di contatto. Allo stesso tempo, resta aperta la questione se i modelli data-driven siano in grado di apprendere da simulazioni ad alta fedeltà preservando al contempo la struttura fisica imposta dalla meccanica e consentendo predizioni in tempo reale. Questa tesi affronta entrambe le sfide sviluppando un quadro predittivo per il distacco normale di indentatori rigidi lisci da substrati morbidi viscoelastici, integrando modellazione analitica, simulazioni tramite il Metodo degli Elementi al Contorno (Boundary Element Method, BEM) e machine learning guidato dalla fisica.   Dal punto di vista analitico, la teoria della propagazione delle cricche viene estesa al distacco di punzoni piani da strati viscoelastici finiti, identificando tre regimi dipendenti dallo spessore e mostrando che il confinamento geometrico limita l’amplificazione dell’adesione al di sotto del limite semi-infinito. Per il contatto hertziano, viene introdotto un modello costitutivo modificato a legge di potenza con quattro parametri. Vengono derivate relazioni in forma chiusa nei domini del tempo e della frequenza, successivamente accoppiate con una formulazione di meccanica della frattura di tipo Persson–Brener per ottenere una relazione di scala esplicita tra velocità di scarico e velocità della cricca al distacco. Tali previsioni vengono confrontate con esperimenti di adesione su PDMS a diverse velocità di scarico, al fine di investigare il regime di validità della teoria viscoelastica lineare.   Le simulazioni BEM condotte su un ampio spazio parametrico (parametro di Tabor, esponente del materiale, precarico, spettro viscoelastico e spessore dello strato) confermano gli andamenti analitici e identificano un raggio di contatto soglia al di sotto del quale gli effetti di dimensione finita sopprimono l’amplificazione dell’adesione. I risultati mostrano inoltre che la transizione tra distacco di tipo DMT e di tipo JKR dipende congiuntamente dal parametro di Tabor e dalla profondità di indentazione.   Modelli di apprendimento arricchiti dalla fisica, addestrati sui dati delle simulazioni, vengono utilizzati per predire la forza di pull-off, l’energia superficiale efficace, il lavoro necessario al distacco e descrittori ridotti delle traiettorie di scarico. L’impiego di tali modelli consente predizioni rapide, riducendo il tempo di inferenza da ore (necessarie per le simulazioni numeriche) a millisecondi. Inoltre, l’inclusione di descrittori analitici come input migliora la coerenza fisica e riduce l’errore di previsione del 60% rispetto ai modelli puramente data-driven. La tesi stabilisce quindi una gerarchia predittiva coerente con la meccanica per un’analisi e una progettazione rapide e fisicamente fondate delle interfacce adesive morbide.