English(EN) Mesh Graph Neural Network Framework for Accelerating Finite Element Simulation for Arbitrary Geometries

网格图网络加速任意几何形状的结构仿真

作者 PulseAugur 编辑部 · [2 个来源] · 2026-06-06 18:17

研究人员开发了一个网格图网络（MGN）框架，用于加速结构设计的有限元分析（FEA）。该新模型克服了现有机器学习方法的局限性，无需重新训练即可泛化到不同几何形状。MGN框架表现出强大的性能，在未见过的几何形状和载荷上达到了0.97的R^2分数，显著优于传统模型。 AI

影响该框架通过为新颖几何形状提供准确的FEA预测，有望显著加快结构设计迭代速度。

排序理由这是一篇研究论文，详细介绍了一个使用图神经网络加速仿真的新框架。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.LG TIER_1 English(EN) · Josiah D. Kunz, Kamal Choudhary · 2026-06-09 04:00

用于加速任意几何体有限元仿真的 Mesh Graph 神经网络框架

arXiv:2606.08287v1 Announce Type: new Abstract: Finite element analysis (FEA) is essential for structural design but remains computationally expensive, particularly when evaluating multiple design iterations or load scenarios. Machine learning surrogate models offer a promising a…
arXiv cs.LG TIER_1 English(EN) · Kamal Choudhary · 2026-06-06 18:17

用于加速任意几何形状有限元仿真的 Mesh Graph 神经网络框架

Finite element analysis (FEA) is essential for structural design but remains computationally expensive, particularly when evaluating multiple design iterations or load scenarios. Machine learning surrogate models offer a promising alternative, yet most approaches struggle with a …