PulseAugur
中
实时 04:42:36
English(EN) On Surrogate Modeling of Static Response of AM Short-Fiber Thermoplastics Using Graph Neural Networks

图神经网络精确模拟热塑性复合材料力学性能

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新颖的数据驱动代理框架，用于预测增材制造短纤维热塑性复合材料的力学行为。该框架采用了混合图神经网络-长短期记忆（GNN-LSTM）架构，该架构基于从微计算机断层扫描重建的微观结构数据进行训练。与高保真模拟相比，该模型能够准确预测刚度和应力-应变行为，R平方值高达约0.98，同时将计算成本降低了两个数量级以上。这种方法提供了一种物理信息驱动且数据高效的方法，用于识别组件中力学性能较弱的区域并加速数字孪生开发。 AI

影响 这项研究展示了GNN-LSTM在模拟复杂材料行为方面的新颖应用，有望加速航空航天和汽车工程等领域的设计和分析。

排序理由 详细介绍材料属性新建模方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

图神经网络精确模拟热塑性复合材料力学性能

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Pharindra Pathak (Auburn University, Oakridge National Lab, NASA Glenn Research Center, Auburn University, Auburn University), Vipin Kumar (Auburn University, Oakridge National Lab, NASA Glenn Research Center, Auburn University, Auburn University), Trent… ·

    基于图神经网络的AM短纤维热塑性塑料静态响应的代理模型研究

    arXiv:2606.28996v1 Announce Type: new Abstract: Short-fiber thermoplastic (SFT) composites are increasingly employed in lightweight aerospace and automotive structures owing to their favorable strength-to-weight ratio, high production rates, and recyclability. Unlike continuous-f…

相关实体

相关话题