乔治·戈巴特;弗雷斯卡，斯特凡尼亚;安德烈亚·曼佐尼;阿提利奥·弗兰吉 非线性振动多物理微观结构的虚拟双胞胎：基于物理的方法与基于深度学习的方法。 arXiv:2205.05928 预印本，arXiv:2205.05928[math.DS]（2022）。 概述：微电子机械系统是一种复杂的结构，通常涉及几何和多物理性质的非线性，在无数应用中用作传感器和执行器。我们从全阶表示出发，应用深度学习技术生成准确、高效和实时的降阶模型，作为虚拟孪生模型，用于高级复杂系统的仿真和优化。我们在微镜、拱门和陀螺仪上广泛测试了所提程序的可靠性，还显示了复杂的动力学演变，如内部共振。特别是，我们讨论了深度学习技术的准确性及其复制和收敛到使用最近开发的直接参数化方法预测的不变流形的能力，该方法允许提取大型有限元模型的非线性正规模式。最后，通过处理机电陀螺仪，我们表明非侵入式深度学习方法很容易推广到复杂的多物理问题 BibTeX公司 引用 \textit{G.Gobat}等人，“非线性振动多物理微观结构的虚拟双胞胎：基于物理与基于深度学习的方法”，预印本，arXiv:2205.05928[math.DS]（2022） 全文： 内政部 arXiv公司 OA许可证 arXiv数据来自arXiv OAI-PMH API.如果你发现了错误，请直接向arXiv报告.