×

超弹性和粘弹性的深度学习能量法。 (英语) Zbl 1490.74120

摘要:将势能公式和深度学习相结合,求解超弹性和粘弹性材料变形的偏微分方程。所提出的深部能量法(DEM)是一种独立的、无网格的方法。它可以精确地捕捉三维力学响应,而不需要任何耗时的训练数据,采用经典的数值方法,如有限元法。一旦模型得到适当的训练,在给定空间坐标的情况下,几乎可以在物理域的任何一点上立即获得响应。因此,深能量法是求解描述材料或结构系统的机械变形和其他物理现象的偏微分方程的一种很有前途的独立方法。

理学硕士:

74S99型 固体力学中的数值方法和其他方法
74B20型 非线性弹性
74D10型 记忆材料的非线性本构方程
68T05型 人工智能中的学习与自适应系统
PDF格式 BibTeX公司 XML 引用

参考文献:

[1] 阿巴迪,M。;阿加瓦尔,A。;巴勒姆,P。;布雷夫多,E。;陈,Z。;雪铁龙公司。;科拉多,G.S。;戴维斯,A。;迪恩,J。;德文,M。;格马沃特,S。;古德费罗,我。;竖琴,A。;欧文,G。;伊萨德,M。;贾,Y。;约泽福维奇,R。;凯撒,L。;库德鲁尔,M。;列文伯格,J。;曼内,D。;蒙加,R。;摩尔,S。;默里,D。;奥拉,C。;舒斯特,M。;什伦斯,J。;施泰纳,B。;萨茨克弗,I。;塔尔瓦,K。;塔克,P。;万霍克,V。;瓦苏德万,V。;维加斯,F。;葡萄酒,哦。;监狱长,P。;瓦滕伯格,M。;威克,M。;Yu,Y。;Zheng,X.,TensorFlow:异构系统上的大规模机器学习(2015),软件可从TensorFlow.org获得
[2] 阿布艾达,华盛顿特区。;阿尔玛斯里,M。;阿穆拉,R。;拉瓦奥利,美国。;贾西克,I.M。;Sobh,N.A.,使用卷积神经网络预测和优化复合材料力学性能,Compos。结构。,227,第111264条pp.(2019年)
[3] 阿布艾达,华盛顿特区。;韩国。;Sobh,N.A.,使用深度学习对具有非线性的二维结构进行拓扑优化,计算机。结构。,237,第106283条pp.(2020年)
[4] 阿布艾达,华盛顿特区。;韩国。;索布,北卡罗来纳州。;Sehitoglu,H.,塑性和热粘塑性的深入学习,国际塑料杂志。,136,第102852条pp.(2021年)
[5] 阿布艾达,华盛顿特区。;卢,Q。;Koric,S.,三维固体力学无网格物理信息深度学习方法,国际互联网。J、 数字。方法工程。,122237182-7201(2021年)
[6] 博雷尔,R。;卡哈斯,J.C。;米拉,D。;塔哈,A。;韩国。;瓦茨奎兹,M。;Houzeaux,G.,《基于空间填充曲线的并行网格划分》,Comput流体,173264-272(2018年)·Zbl 1410.65470
[7] 布兰塔斯,G。;乔尔德,G。;维特克,A。;Miller,K.,计算生物力学中的强和弱形式无网格方法,(生物力学和生物过程的数值方法和高级模拟(2018),Elsevier),325-339
[8] 医学影像分析中的机器学习方法:从侦测到诊断,医学影像分析。,33,94-97(2016年)
[9] 蔡,S。;王,Z。;福斯特,F。;全英。;灰色,C。;Karniadakis,G.E.,《咖啡杯上的流动:通过基于物理信息的神经网络从层析背景纹影术推断三维速度场和压力场》,流体力学杂志。,915年(2021年)·Zbl 1461.76417号
[10] Cybenko,G.,sigmoid函数的叠加逼近,数学。控制信号系统,2,4,303-314(1989)·Zbl 0679.94019
[11] 弗莱舍尔,M。;库马尔,S。;De Lorenzis,L.,无监督发现可解释超弹性本构关系(2020年),arXiv预印本arXiv:2010.13496·Zbl 07414369
[12] 福赫,J.N。;Bouklas,N.,求解有限应变超弹性集中特征的混合深能量方法,J.Comput。物理。,第110839条(2021年)·Zbl 07517152
[13] 郭,Y。;曹,X。;刘,B。;Gao,M.,利用深度学习和物理约束求解偏微分方程,应用。科学。,10、17、5917(2020年)
[14] 郭,H。;庄,X。;孟,X。;Rabczuk,T.,基于深度学习的搭配方法在非同质媒体中的三维潜在问题分析(2020),arXiv预印本arXiv:2010.12060
[15] 哈格海特,E。;瑞西,M。;穆尔,A。;戈麦斯,H。;Juanes,R.,固体力学中解决方案和发现的深度学习框架(2020年),arXiv预印本arXiv:2003.02751
[16] 霍尔,E.J。;酒馆。;Katsoulakis,文学硕士。;Tartakovsky,D.M.,Ginns:多尺度物理的图形信息神经网络,J.Comput。物理。,433,第110192条,pp.(2021年)·Zbl 07501599
[17] 哈姆迪亚,K.M。;庄,X。;Rabczuk,T.,《基于遗传算法的机器学习模型设计的有效优化方法》,神经计算机。申请。,1-11(2020年)
[18] 何,Q。;巴拉哈斯·索拉诺博士。;塔尔塔科夫斯基,G。;Tartakovsky,A.M.,《用于地下运输的多物理数据同化的物理信息神经网络》,Adv.Water Resources。,第103610条pp.(2020)
[19] 赫尔南德斯,Q。;巴迪亚斯,A。;冈萨雷斯,D。;奇尼斯塔,F。;Cueto,E.,从数据中深入学习热力学感知的降阶模型,计算机。方法应用。机械。工程师。,379,第113763条,pp.(2021年)·Zbl 07340366
[20] Hornik,K.,多层前馈网络的逼近能力,神经网络。,4,2521-257(1991年)
[21] 黄德智。;徐克。;法哈特,C。;Darve,E.,使用深层神经网络从间接观察中学习本构关系,J.Comput。物理。,416,第109491条,pp.(2020年)·Zbl 1437.65192号
[22] 金马,D.P。;Ba,J.,Adam:随机优化方法(2014),arXiv预印本arXiv:1412.6980
[23] 科尔曼,H.T。;阿布艾达,华盛顿特区。;韩国。;古勒尤兹。;Sobh,N.A.,二维超材料拓扑优化的深度学习,硕士。Des。,196,第109098条,pp.(2020年)
[24] 韩国。;Abueidda,D.W.,钢凝固多物理模型中的深度学习序列方法,金属,11,3,494(2021)
[25] 韩国。;洛杉矶希伯勒。;《钢凝固的显式热力耦合有限元模型》,国际。J、 数字。方法工程。,78,1,1-31(2009年)·Zbl 1183.74289号
[26] 拉加里斯,即。;利卡斯,A。;福蒂亚迪斯,D.I.,求解常微分方程和偏微分方程的人工神经网络,IEEE Trans。神经网络。,987-1000(1998年)
[27] 劳森,J.D.,具有扩展稳定域的五阶龙格库塔过程,暹罗。肛门。,3593-597(1966年)·Zbl 0154.40602
[28] 刘易斯,A.S。;奥弗顿,M.L.,通过拟牛顿方法的非光滑优化,数学。程序。,1411-12335-163(2013年)·Zbl 1280.90118
[29] 林,W。;张,D。;Lee,T.,使用卷积和递归神经网络进行语音情感识别,(2016年亚太信号与信息处理协会年度峰会与会议,亚太信号与信息处理协会年度峰会与会议,APSIPA(2016),IEEE),1-4
[30] 林,Q。;洪,J。;刘,Z。;李,B。;王,J.基于深度学习方法的传导换热拓扑优化研究,国际通讯社。传热传质,97103-109(2018)
[31] 林,J。;周,S。;郭,H.多孔介质传热的深配置方法:有限元法的验证,储能学报,第28期,第101280页
[32] 刘博士。;Nocedal,J.,关于大规模优化的有限内存BFGS方法,数学。程序。,451-3503-528(1989年)·零担0696.90048
[33] 罗佩兹·帕米斯,O.,一种基于I1的橡胶弹性材料超弹性模型,C.R.Mec。,338,1,3-11(2010年)·Zbl 1377.74005
[34] Mahmoudabadbozchelou,M。;Jamali,S.,《复杂流体正向和反向元模型的流变信息神经网络》,Sci。代表,11,1,1-13(2021年)
[35] 马西,F。;斯特凡诺,我。;瓦努奇,P。;Maffi Berthier,V.,本构模型的基于热力学的人工神经网络,J.Mech。物理。固体,147,第104277条,pp.(2021)
[36] 米德,A.J。;Fernandez,A.A.,用前馈神经网络数值求解线性常微分方程,数学。计算机。建模,19,12,1-25(1994)·Zbl 0807.65079
[37] 莫扎法尔,M。;博士坦纳巴德,R。;陈,W。;埃曼,K。;曹,J。;Bessa,M.,《深度学习预测路径依赖可塑性》,Proc。自然。阿卡德。科学。,116、52、26414-26420(2019年)
[38] 阮成,V.M。;庄,X。;Rabczuk,T.,有限变形超弹性的深能量方法,欧洲机械杂志。A固体,80,第103874条,pp.(2020年)·Zbl 1472.74213
[39] 帕斯克,A。;总量,S。;马萨,F。;勒尔,A。;布拉德伯里,J。;查南,G。;基林,T。;林,Z。;吉梅尔谢因,N。;安提加岛。;戴斯迈森,A。;科普夫,A。;杨,E。;德维托,Z。;莱森,M。;泰贾尼,A。;Chilamkurthy,S。;施泰纳,B。;方,L。;白,J。;Chintala,S.,Pythorch:一个命令式、高性能的深度学习库,(Wallach,H.;Larochelle,H.;Beygelzimer,A.;d'AlchéBuc,F.;Fox,E.;Garnett,R.,《神经信息处理系统进展32》(2019年),Curran Associates,Inc.),8024-8035
[40] 帕塔纳亚克。;帕塔纳亚克。;John,S.,与Tensorflow合作的专业深度学习(2017),Springer
[41] 瑞西,M。;佩迪卡里斯,P。;《物理信息神经网络:求解非线性偏微分方程正反向问题的深度学习框架》,J.Comput。物理。,378686-707(2019年)·Zbl 1415.68175
[42] 饶,C。;太阳,H。;Liu,Y.,《无标记数据计算弹性动力学的物理信息深度学习》,机械工程学报。,147,8,第04021043页(2021年)
[43] 萨达特,S.M。;王瑞英,基于机器学习的声子晶体性质发现方法,应用。物理。,128,2,第025106条pp.(2020年)
[44] 萨曼尼戈E。;阿尼特斯库,C。;戈斯瓦米,S。;阮成,V.M。;郭,H。;哈姆迪亚,K。;庄,X。;Rabczuk,T.,通过机器学习解决计算力学中偏微分方程的能量方法:概念,实现和应用,计算机。方法应用。机械。工程师。,362,第112790条,pp.(2020年)·Zbl 1439.74466
[45] 斯皮尔,公元前。;卡利迪迪,S.R。;梅雷迪格,B。;康佐斯,A。;Le Graveren,J.-B。,数据驱动材料研究:了解和预测疲劳行为的下一个前沿领域,J.Miner。,遇见。马特。第70、7、1143-1146页(2018年)
[46] 苏拉特,Z。;马哈迪克,S。;鬃毛。;莫氏体,S。;Udugade,A.,使用树莓皮和机器学习的自动驾驶汽车,国际研究杂志,工程技术。,6969-972(2019年)
[47] 王,L。;陈耀昌。;艾哈迈德,F。;刘,Z。;朱,P。;陈,W.,基于机械的超材料系统学习和设计的深层生成性建模,计算机。方法应用。机械。工程师。,372,第113377条,pp.(2020年)·Zbl 07337873
[48] 渭南市。;Yu,B.,deep ritz方法:一种基于深度学习的求解变分问题的数值算法,Common。数学。Stat.,6,1,1-12(2018年)·Zbl 1392.35306
[49] 杨,H。;香,Q。;唐,S。;郭,X.用人工神经网络从位移场中学习材料定律,理论。申请。机械。利特。,1020202-206(2020年)
[50] 赵杰。;Mau,J.,递归深层神经网络控制方程的发现(2020),arXiv预印本arXiv:2009.11500
[51] 郑,S。;他,Z。;Liu,H.通过U网络卷积神经网络生成三维结构拓扑,薄壁结构。,第107263页(2020年)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。