PulseAugur
中
实时 12:01:15

AI模型学习力学和热力学中的本构律

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了新颖的物理信息神经网络框架，用于发现力学中的本构模型。一种方法通过将各向异性屈服函数表示为凸神经网络来识别它们，并使用力平衡损失进行训练，并通过基准研究进行验证。另一个框架通过学习内部能量和耗散势来解决完全耦合的热力学问题，使用输入凸神经网络，确保热力学可容性，并在合成数据和实验数据上展示了准确性。 AI

影响 这些框架可以加速工程模拟中更准确、更高效的材料模型的开发。

排序理由 两篇arXiv论文详细介绍了用于发现力学中本构模型的新颖物理信息神经网络框架。

在 arXiv cs.LG 阅读 →

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

AI模型学习力学和热力学中的本构律

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Hyeonbin Moon, Donghyuk Cho, Jecheon Yu, Jeong Whan Yoon, Seunghwa Ryu ·

    基于物理信息通过凸神经网络表示发现塑性屈服函数

    arXiv:2606.19375v1 Announce Type: new Abstract: Identifying anisotropic yield functions remains challenging since yielding is not directly observed in full-field mechanical measurements, directional calibration can require many loading directions, and selecting an appropriate ana…

  2. arXiv cs.AI TIER_1 English(EN) · Hagen Holthusen, Paul Steinmann, Ellen Kuhl ·

    热弹性的一种凸优化路径：学习内能与耗散

    arXiv:2603.28707v3 Announce Type: replace-cross Abstract: We present a physics-based neural network framework for the discovery of constitutive models in fully coupled thermomechanics. In contrast to classical formulations based on the Helmholtz energy, we adopt the internal ener…

相关实体

相关话题