PulseAugur
中
实时 11:24:21
English(EN) Hyperelastic constitutive model discovery with differentiable finite elements and structure-preserving neural networks

新框架使用神经网络发现超弹性材料定律

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新的可微分有限元框架，用于从有限的实验数据中发现超弹性材料定律。该方法将有限元平衡问题直接嵌入学习过程，从而能够根据诱导的变形场和反应来评估候选应变能密度。该框架利用超弹性神经网络，这是一类专门设计的神经网络，用于强制执行能量守恒、框架无关性和材料对称性等物理原理，确保本构响应在物理上可接受且在数值上可解。二维和三维实验表明，从仅边界测量中可以准确恢复材料属性，证明了其对噪声的鲁棒性以及在各种条件下的泛化能力。 AI

影响 这项研究通过从稀疏的实验数据中发现复杂的本构定律，有望实现更精确的材料模拟。

排序理由 这是一篇详细介绍新计算力学框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

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 →

新框架使用神经网络发现超弹性材料定律

本文如何被排名

Signal score
9 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
这是一篇详细介绍新计算力学框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, model release
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Francesco Regazzoni ·

    使用可微分有限元和保持结构的神经网络发现超弹性本构模型

    arXiv:2603.26517v2 Announce Type: replace-cross Abstract: The discovery of constitutive laws from experimentally accessible measurements is a central problem in nonlinear computational mechanics. Many data-driven constitutive identification approaches rely either on paired strain…

相关话题