利用物理信息神经网络解决接触力学的正向和逆向问题
原文中文，约400字，阅读约需1分钟。发表于：。本文探讨了物理信息神经网络（PINN）在小变形弹性接触力学的正向和反向问题中的解决能力，通过输出变换的混合变量形式化来强制施加迪里希特和诺伊曼边界条件，并将接触问题的不等式约束即 Karush-Kuhn-Tucker 条件作为松软约束融入丢失函数，研究现有的应用于弹塑性问题的约束函数，探索了具有优良优化特性的非线性互补问题（NCP）函数即...
本文讨论了物理信息神经网络（PINN）在小变形弹性接触力学中的解决能力，通过混合变量形式化施加边界条件，并将不等式约束融入丢失函数，研究了非线性互补问题函数。展示了PINN在PDE求解、数据增强、参数识别和快速计算中的重要性，并强调了选择适当的超参数和优化器的重要性。
