solid mechanics
PulseAugur coverage of solid mechanics — every cluster mentioning solid mechanics across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新基准评估视频嵌入中的物理信息
研究人员推出了 World Embedding Benchmark，这是一个旨在评估视频表示捕获和编码物理信息能力的新数据集。该基准包含跨越流体力学、固体力学、动力学以及光学与电磁学等多个物理领域、共计 8000 个模拟案例。实验表明，虽然预训练模型表现出较弱的跨模态物理对齐能力，但轻量级探针可以从冻结的嵌入中提取有用的物理数据。进一步的训练可以改善对齐效果，但可能会损害量化物理属性的恢复能力，这表明这两个方面之间存在权衡。
-
新的AI模型通过可变的初始条件增强偏微分方程模拟
研究人员开发了新的方法来提高用于模拟由偏微分方程（PDE）控制的物理系统的代理模型的准确性和效率。一种方法，潜在动力学网络（LDNet），通过利用自解码和元学习等策略，直接从早期观测中推断初始潜在状态，从而增强了处理可变初始条件的能力。另一种方法，PDE-JEPA，专注于参数化PDE的预测表示学习，它包含一个几何投影仪，用于将潜在轨迹几何与物理场演化对齐，以及一个物理结构化的潜在预测器。这两种方法都旨在为复杂的物理现象提供更准确、更适…
-
新型GNN采用物理信息粗粒化进行固体力学模拟
研究人员开发了一种新颖的多重网格图神经网络，用于模拟固体力学问题。这种新方法采用了一种物理信息粗粒化策略，根据节点局部的物理活动（如应变或应力集中）来优先排序节点。该方法旨在提高复杂可变形固体学习型代理的准确性和稳定性，在各种模拟中优于标准的采样基线。
-
多AI智能体框架实现有限元分析自动化
研究人员开发了AbaqusAgent，一个利用大型语言模型自动化固力学问题有限元分析（FEA）的新型多智能体框架。该系统将自然语言指令转换为使用Abaqus软件的可执行模拟，涵盖所有必要的预处理和后处理步骤。AbaqusAgent在50个不同问题上展示了86%的成功率，显著降低了FEA的入门门槛，并促进了人机交互。
-
新的AI研究探索用于不确定性估计和贝叶斯推断的先进方法
研究人员开发了一个新的变分贝叶斯框架，该框架直接针对后验预测分布，联合学习后验和预测分布的近似值。这种方法旨在提高贝叶斯预测推断的计算效率和准确性，尤其是在固力学等复杂模型中。该方法将计算工作转移到离线阶段，从而实现更快的在线推断，并与传统的两阶段方法相比，表现出优越的性能。