新的基于物理的神经网络框架模拟热力学

研究人员开发了一种新颖的基于物理的神经网络框架来模拟热力学，重点关注内能和耗散势，而不是传统的亥姆霍兹能。这种方法简化了热力学原理的纳入，并通过构造确保了热力学可容性。该框架利用输入凸神经网络来表示内能和耗散，将客观性和材料对称性直接嵌入到架构中。该系统已在各种材料和热力学响应的合成和实验数据集上展示了准确的性能。 AI

影响 该框架有望提高工程应用中材料行为模拟的准确性和效率。

排序理由 该集群包含一篇详细介绍计算工程新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• DagsHub
• Dissipation potentials from elastic collapse
• Gotit.pub
• Hagen Holthusen
• Helmholtz free energy
• Hugging Face
• Input-convex neural networks
• internal energy
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →