研究者提出本构参数化深度能量法CPDEM

研究者提出一种名为“本构参数化深度能量法”（CPDEM）的固体力学计算方法：将随机本构参数编码为隐表示，与空间坐标一同输入神经网络，把传统空间配点改为参数感知的材料点，并通过参数域上的期望能量最小化进行无监督训练。 据作者称，该方法可对未知材料参数实现零样本实时位移场推理，无需生成数据集或重新训练，并在线性弹性、有限应变超弹性和高度非线性接触力学等基准上得到验证。作者称其为首个能同时高效处理固体力学连续多参数变化的纯物理驱动深度学习范式。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。