BriefGPT - AI 论文速递
·
物理灵感神经网络在材料三维微观结构演化中的极端时间外推能力和热力学一致性
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本研究使用混合物理数据驱动代理模型，利用嵌入神经网络的组分模型进行异质材料的微观分析。通过引入适用于有限应变框架下速率依赖性材料的体态循环神经网络架构，加速了显微模型的运行时间。
🎯
关键要点
- 本研究探究基于混合物理的数据驱动代理模型。
- 利用嵌入神经网络中的组分模型进行异质材料的微观分析。
- 引入适用于有限应变框架下速率依赖性材料的体态循环神经网络架构。
- 将显微模型的均质变形梯度编码为嵌入组分模型的输入。
- 通过解码器组合计算的应力，以提供物理基础的记忆。
- 测试了具有横向各向同性弹性纤维和弹-粘塑性基质材料的单向复合显微模型。
- 评估代理模型的外推性能，包括不同应变速率、循环加载和松弛过程。
- 与原始显微模型相比，运行时间获得了三个数量级的加速。
➡️
