AE-LSTM

新的机器学习模型嵌入物理学以实现精确断裂预测

研究人员开发了一种名为热力学一致潜在动力学识别（tLaSDI）的新机器学习方法，用于预测异质材料中的断裂模式和演化。该方法通过参数化通用形式信息神经网络（pGFINNs）将能量守恒和熵产生等热力学原理直接嵌入神经网络架构中。tLaSDI-pGFINNs模型通过增强的几何条件自编码器，在捕捉断裂行为方面表现出比纯数据驱动模型（如自编码器长短期记忆（AE-LSTM））更高的准确性。该方法确保即使在未见过的数据上也能保持热力学约束。