BriefGPT - AI 论文速递
·
短切纤维 / 聚合物纳米复合材料的热力学一致的基于物理信息的深度学习材料模型
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
提出了一种可扩展、高效且可解释的机器学习方法来表示循环塑性并替代基于径向返回映射算法的传统材料模型。该模型结构相对于现有的解决方案更简单、更高效，并能表示完整的三维材料模型。通过验证和测试，证明了该模型的准确性和稳定性。
🎯
关键要点
- 提出了一种可扩展、高效且可解释的机器学习方法来表示循环塑性。
- 该方法替代了基于径向返回映射算法的传统材料模型。
- 模型通过实现物理信息正规化和背应力信息，提升了训练数据量下的高精度和稳定性。
- 模型结构相对于现有解决方案更简单、更高效，能够表示完整的三维材料模型。
- 通过Armstrong-Frederick运动硬化模型获得的替代数据进行了验证。
- 均方误差被作为损失函数，并规定了多个限制条件。
- 模型适用于广泛的内部变量演化规律，准确性和稳定性得到了验证。
- 详细展示了模拟多个载荷情况的数值测试。
🏷️
标签
➡️
