Pouria Behnoudfar

新的 SPLIT-PINN 技术使用神经网络对材料行为进行建模

研究人员开发了 SPLIT-PINN，一种使用物理信息神经网络在高维概率环境中对材料行为进行建模的新技术。该方法将材料状态表示为概率密度函数，并直接从数据中推断概率传输模型。SPLIT-PINN 结合了边际校正漂移分解和正交性约束，以确保准确性、稳定性和物理一致性，而无需进行限制性参数假设。该框架已得到验证，并应用于预测多晶材料中微观结构状态的演变，在未见过的数据集上表现出强大的泛化能力。