研究人员开发了一种将物理增强神经网络（PANNs）集成到Simcenter Radioss和OpenRadioss等显式有限元求解器中的方法。该框架允许将预训练的PANNs转移到用户材料例程中，从而无需专门的求解器即可在现有仿真软件中使用。该方法侧重于计算效率，证明用SQuarePlus替换SoftPlus激活函数可以在保持精度的同时降低成本。GitHub存储库可自动生成Fortran用户材料例程，从而促进了基于机器学习的本构模型在冲击事件仿真中的实际应用。 AI
影响 通过将机器学习与物理约束相结合，实现了工程仿真中更准确、更高效的材料建模。
排序理由 该集群描述了一篇研究论文，详细介绍了在工程仿真软件中实现物理增强神经网络的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
