BriefGPT - AI 论文速递
·
一种针对材料多尺度建模和地质力学宏元派生的POD-TANN方法
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种采用机器学习技术同化微观结构行为的方法，通过智能本构法将微观信息融入有限元求解器，计算成本较低。通过引入新方法，扩展了该方法的能力，适用于各种神经网络架构。通过测试不同材料，验证了该方法的优越性。讨论了该方法的潜力和未来研究方向。
🎯
关键要点
- 采用机器学习技术同化微观结构行为的方法高效且准确。
- 通过智能本构法将微观信息融入有限元求解器，计算成本低。
- 引入新方法扩展了智能本构法的能力，适用于多种神经网络架构。
- 新方法在神经元级别强制施加材料对称性，利用基于张量的特征。
- 构建基于张量的神经网络并应用于学习本构法，包括弹性和非弹性材料测试。
- 通过对多种材料的测试验证了该方法的优越性，尤其在数据有限和强对称性情况下。
- 讨论了该方法在材料对称基础发现和未来研究方向的潜力。
➡️
