BriefGPT - AI 论文速递
·
对称强制神经网络在本构建模中的应用
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文介绍了一种结合微观力学模型和机器学习技术的方法，可以同化复杂微观结构的非线性和历史相关行为。该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。同时，该方法扩展了神经网络架构的能力，并在弹性材料和非弹性材料的测试中得到验证。在数据有限且存在强对称性的情况下，该方法优于传统神经网络。
🎯
关键要点
- 本文介绍了一种结合微观力学模型和机器学习技术的方法。
- 该方法能够同化复杂微观结构的非线性和历史相关行为。
- 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。
- 该方法扩展了神经网络架构的能力，适用于多种神经网络。
- 引入在神经元级别施加材料对称性的新方法，增强了SCL的能力。
- 基于张量的特征在神经网络中有效表示保持对称操作。
- 该方法在弹性材料和非弹性材料的测试中得到验证。
- 在数据有限且存在强对称性的情况下，该方法优于传统神经网络。
- 最后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。
➡️
