研究者提出P-DivGNN重建微观局部应力场
热点事件持续更新
研究者提出P-DivGNN重建微观局部应力场
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Manuel Ricardo Guevara Garban等研究者提出物理信息机器学习框架P-DivGNN,用于在给定周期性微结构网格和宏观平均应力值的情况下,重建微观尺度的局部应力场。 该方法将周期性微结构表示为图,结合消息传递图神经网络,并在训练中引入物理约束以约束局部应力场的平衡态,同时用周期性图表示施加周期性边界条件。在非线性超弹性情形下,该方法相比有限元仿真实现显著计算加速,适用于大规模应用。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
P-DivGNN:用物理信息图神经网络重建有限应变超弹性下的局部应力场报道时间线
沿着报道,了解事件的不同侧面。
10月15日
- arXiv cs.AIP-DivGNN:用物理信息图神经网络重建有限应变超弹性下的局部应力场
研究者提出物理信息机器学习框架 P-DivGNN,将周期性微结构表示为图并结合消息传递图神经网络,在给定宏观平均应力值下重建微观局部应力场。模型在训练中引入物理约束以约束局部应力场平衡态,并采用周期性图表示施加周期性边界条件。在非线性超弹性情形下,该方法相比有限元仿真实现显著计算加速,适用于大规模应用。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。