PulseAugur
中
实时 10:29:39
English(EN) Inelastic Constitutive Kolmogorov-Arnold Networks: A generalized framework for automated discovery of interpretable inelastic material models

新AI框架自动化发现可解释材料模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为非弹性本构Kolmogorov-Arnold网络（iCKANs）的新型人工神经网络架构，旨在自动化可解释材料模型的发现。该框架可以将材料测试数据转化为符号本构定律，以闭合数学形式捕捉弹性和非弹性行为。iCKANs架构已证明其能够准确模拟VHB 4910和VHB 4905等聚合物复杂的粘弹性特性，同时保持物理可解释性并能够纳入其他材料信息，如温度依赖性行为。 AI

影响 该AI框架可以通过自动化本构定律的发现来加速新材料的开发。

排序理由 该集群包含一篇详细介绍材料科学新AI方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新AI框架自动化发现可解释材料模型

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Chenyi Ji, Kian P. Abdolazizi, Hagen Holthusen, Christian J. Cyron, Kevin Linka ·

    Inelastic Constitutive Kolmogorov-Arnold Networks: A generalized framework for automated discovery of interpretable inelastic material models

    arXiv:2602.17750v2 Announce Type: replace-cross Abstract: A key problem of solid mechanics is the identification of the constitutive law of a material, that is, the relation between strain history and stress. Machine learning has lead to considerable advances in this field lately…

相关实体

相关话题