一种用于粒子模拟的神经物质点方法
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了粒子基础模拟中计算资源需求高的问题，提出了神经物质点方法（NeuralMPM）作为一种新颖的深度学习框架。该方法通过将拉格朗日粒子插值至固定大小网格，实现计算速度的显著提升，且训练时间从数天缩短至数小时，同时保持或超越了现有方法的长期准确性，展现出在实际应用中的潜力。
神经一体化无网格（NIM）方法将物理无网格离散化技术与深度学习结合，提高了训练效率。实验结果显示NIM方法在静态和瞬态基准问题上准确性和效率显著提高。与其他物理信息机器学习方法相比，NIM方法具有更准确和高效的全面预测能力。
