实体
deep energy method
deep energy method
PulseAugur coverage of deep energy method — every cluster mentioning deep energy method across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的深度学习方法可有效处理固体力学中具有随机材料参数的问题
研究人员开发了一种新的物理驱动的深度学习框架，称为本构参数化深度能量方法（CPDEM），以应对固体力学模拟中具有随机材料参数的挑战。与需要为每次参数变化进行昂贵的重新计算或广泛数据集的传统方法不同，CPDEM重新制定了应变能量密度泛函，以编码随机本构参数的潜在表示。这使得在不知道材料参数的情况下，无需重新训练即可实时进行零样本推断位移场，从而提高了复杂非线性力学问题的效率。
-
新的基于网格的神经能量方法提高了材料模拟的准确性
研究人员推出了一种基于网格的神经能量方法（M-NEM），以改进异质材料的模拟。这种新方法解决了现有物理信息神经网络（如深度能量方法 DEM）的局限性，这些局限性可能导致错误和高昂的计算成本。M-NEM 利用网格离散化和形状函数来强制执行运动学约束，与传统方法相比，显著减少了应力误差并提高了速度。研究还发现，径向基函数神经网络（RBFNNs）在 M-NEM 框架内处理尖锐材料梯度方面表现最佳。