English(EN) A mesh-based neural energy method for the simulation of heterogeneous composites

新的基于网格的神经能量方法提高了材料模拟的准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-09 04:00

研究人员推出了一种基于网格的神经能量方法（M-NEM），以改进异质材料的模拟。这种新方法解决了现有物理信息神经网络（如深度能量方法 DEM）的局限性，这些局限性可能导致错误和高昂的计算成本。M-NEM 利用网格离散化和形状函数来强制执行运动学约束，与传统方法相比，显著减少了应力误差并提高了速度。研究还发现，径向基函数神经网络（RBFNNs）在 M-NEM 框架内处理尖锐材料梯度方面表现最佳。 AI

影响该方法有望在工程和科学研究中实现对复杂材料更准确、更高效的模拟。

排序理由该条目是发表在 arXiv 上的研究论文，详细介绍了一种新的计算方法。[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 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是发表在 arXiv 上的研究论文，详细介绍了一种新的计算方法。[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, infra; 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: 6 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Pius J. M. Wichmann, Stefan Hildebrand, Sandra Klinge · 2026-10-09 04:00

用于非均质复合材料仿真的基于网格的神经能量方法

arXiv:2610.10862v1 Announce Type: cross Abstract: Modeling heterogeneous materials remains a challenge for physics-informed neural networks such as the deep energy method (DEM). The DEM and its variants, here collectively referred to as the neural energy method (NEM), offer a dif…

本文如何被排名

报道来源 [1]

用于非均质复合材料仿真的基于网格的神经能量方法

相关实体

相关话题