研究人员开发了一种超降阶技术，以加速使用有限元模型更新发现神经材料的过程。该方法结合了侵入式降阶模型与本征正交分解和能量守恒采样，显著降低了训练过程中的计算成本。本构定律由多凸神经网络定义，确保了无论训练权重如何都能保持稳定性。该方法已证明能节省大量时间，将训练时间从几小时缩短到几分钟，同时不牺牲准确性，从而使从结构数据中发现神经材料更加可行。 AI
影响 通过使复杂的模拟在计算上可行来加速新材料的发现。
排序理由 该集群描述了一种在研究论文中提出的用于加速科学发现的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- Energy-conserving sampling and weighting
- Finite element model updating of a bowstring-arch railway bridge based on experimental modal parameters
- Hugging Face
- Hyperreduction
- Intrusive model order reduction
- Logarithmic normalization
- Neural materials
- Polyconvex neural network
- Proper orthogonal decomposition
- Zero-anchored input convex architecture
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
