用于多晶材料应力场建模的无散度神经算子
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对多晶材料的准静态机械响应建模中存在的精确性问题，提出并比较了三种傅里叶神经算子（FNO），其中包括物理引导FNO（PgFNO）、物理信息FNO（PiFNO）和物理编码FNO（PeFNO）。研究发现，经过训练的PeFNO在满足机械平衡约束下，所计算的应力场比PiFNO更为准确，这一发现有助于提升多晶材料的性能预测精度。
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，扩展了适用于各种神经网络架构的能力，并通过测试不同材料验证了其优越性。讨论了该方法的潜力和未来研究方向。
