BriefGPT - AI 论文速递
·
基于一致性机器学习的拓扑优化与微结构依赖神经网络材料模型
💡
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。该方法通过引入新方法扩展了能力，适用于各种神经网络架构，并通过测试不同材料验证了其优越性。最后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，计算成本低于传统方法。
-
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。
-
该方法有效表示材料对称性，具有良好的泛化性。
-
详细介绍了基于张量的神经网络构建及其在学习本构法中的应用。
-
通过对多种材料的测试，验证了该方法的优越性。
-
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。
➡️
