ADE-FEMU：可微分有限元模型更新框架
热点事件持续更新
ADE-FEMU：可微分有限元模型更新框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Matthias Knipper等作者提出ADE-FEMU，一个端到端可微分有限元模型更新框架。它把本构神经网络嵌入JAX-FEM非线性求解器，通过基于梯度的测量失配损失最小化来识别网络参数，无需解析伴随或离线代理模型，从而可在动力学信息有限的结构数据上训练。 该框架支持灰盒与白盒两种CANN架构，并在三个公开实验数据集上验证：穿孔试样的DIC全场数据、降维拉伸数据，以及可泛化到22个未见样本的基体-夹杂系统。
AI 根据报道生成 · 3 小时前更新
最新进展10月12日 12:00
ADE-FEMU：用自动微分有限元框架从结构变形数据学习本构神经网络报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.AIADE-FEMU：用自动微分有限元框架从结构变形数据学习本构神经网络
ADE-FEMU 是一个端到端可微框架，将本构神经网络嵌入 JAX-FEM 非线性求解器，通过梯度最小化测量失配损失来识别参数，无需解析伴随或离线代理模型。它支持灰盒 CANN 与白盒 CANN 两种架构，在三个公开实验数据集上验证，包括穿孔试样的 DIC 全场数据、降维拉伸数据，以及可泛化到 22 个未见样本的基体-夹杂系统。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月12日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。