Ickån

新的神经网络模型具有学习方向特征的超弹性

研究人员开发了一种新颖的多元凸物理增强神经网络（PANN），称为 PANN，旨在准确高效地模拟代表性体积单元（RVE）的各向异性超弹性响应。这种 PANN 构建利用了学习到的配对方向特征，这些特征会适应 RVE 的特定行为。所得能量固有地满足客观性和多元凸性等力学一致性属性，并且与无约束网络和降阶模型相比，在应力误差和位移误差方面表现出优越的性能，尤其是在训练数据之外。