研究人员开发了一种傅里叶特征物理信息神经网络（FF-PINN），以解决岩土工程中弹塑性问题分析的局限性。传统的有限元方法（FEM）计算成本高昂，而标准的物理信息神经网络（PINN）则存在频谱偏差问题，无法准确捕捉弹塑性边界处的尖锐梯度。所提出的FF-PINN嵌入了随机傅里叶特征映射来减轻频谱偏差，与传统的PINN相比，实现了更高的准确性，并将训练时间缩短了一半。这一新框架为复杂的岩土工程分析提供了一种更有效、更准确的替代方案。 AI
影响 这项研究为复杂的岩土工程分析提供了一种计算效率更高、准确性更好的AI驱动的替代方案，有可能减少对传统、较慢方法的依赖。
排序理由 该集群包含一篇详细介绍新研究方法的学术论文。
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
- finite element method
- Fourier Feature Physics-Informed Neural Networks
- Geomaterials
- Non-Associative Mohr-Coulomb Model
- physics-informed neural networks
- Sompote Youwai
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
