俞祥龙；周晓萍 基于不连续弹性固体周动力学的非局部能量通知神经网络。 （英语） Zbl 07833380号 计算。机械。 73，编号2，233-255（2024）. 摘要：本文通过考虑材料点之间的长程相互作用，提出了一种非局部能量通知神经网络来处理含有不连续性的弹性固体。首先，基于虚功原理，将周动力平衡方程的解转化为一个变分能量最小化问题，该问题自动满足零摩擦边界条件，避免了引入人工阻尼。此外，物理系统行为的能量表示可以作为深度学习神经网络的损失函数来处理。这允许主动机器学习社区近似系统的解。作为深度学习的基本技术，自动微分能够计算光滑函数的导数，但由于不连续性的存在，它容易出现奇异性。为了解决这一局限性，在所提出的神经网络中使用空间积分来评估系统的应变能，而不是通过自动微分计算位移场的空间导数。此外，在本构模型中可以直接引入初始裂纹，而无需明确定义裂纹表面。通过处理具有或不具有间断性的几个力学问题，验证了所提出的神经网络的准确性和效率。更重要的是，所提出的神经网络能够捕获裂纹表面的跳跃不连续性，而具有自动微分功能的神经网络很难解决这一问题。此外，还研究了所提出的神经网络的收敛性以及两种广泛使用的激活函数的比较。 MSC公司： 74-XX岁 可变形固体力学 关键词：非局部能量方法；不连续性；深度神经网络；基于物理的学习；周动力学；固体力学 软件：PyTorch公司；TensorFlow公司；FPIN编号；DiffSharp（差异锐化） PDF格式BibTeX公司 XML格式引用 \textit{X.-L.Yu}和\textit{X.-P.Zhou}，计算。机械。73，编号2，233--255（2024；Zbl 07833380） 全文： 内政部 参考文献： [1] 洪，D。；高，L。；Yokoya，N.，更多样化意味着更好：多模式深度学习符合遥感图像分类，IEEE Trans-Geosci遥感传感器，5944340-4354，（2021）·doi:10.1109/TGRS.2020.3016820 [2] Voulodimos，A。；杜拉米斯，N。；杜拉米斯，A。；Protopapadakis，E.，《计算机视觉的深度学习：简要回顾》，《计算机智能神经科学》，2018，7068349，（2018）·doi:10.1155/2018/7068349 [3] Minh Nguyen-Thanh，V。；Trong Khiem Nguyen，L。；Rabczuk，T。；庄，X.，使用基于高维模型表示的神经网络实现有限应变下弹性静力学计算均匀化的替代模型，国际J数值方法工程，121，4811-4842，（2020）·doi:10.1002/nme.6493 [4] 于，XL；Zhou，XP，基于数据驱动的键动力学模型，基于遗传算法的数据处理神经网络分组方法，国际数值方法工程，123，5618-5651，（2022）·Zbl 07769290号 ·doi:10.1002/nme.7081 [5] 贝克尔，AC；Madenci，E.，《周动力学支持的偏微分方程学习》，《计算物理杂志》，434，110193，（2021）·Zbl 07508517号 ·doi:10.1016/j.jcp.2021.110193 [6] 王，YT；张，X。；Liu，XS，《岩石断裂力学问题的机器学习方法：I型断裂韧性测定》，《工程断裂力学》，253107890，（2021）·doi:10.1016/j.engfracmech.2021.107890 [7] 莱斯，M。；佩迪卡里斯，P。；Karniadakis，GE，Physics-informated neural networks:a deep learning framework for solving forward and inverse problems including normal partial differential developments，J Comput Physis，378，686-707·Zbl 1415.68175号 ·doi:10.1016/j.jcp.2018.10.045 [8] 莱斯，M。；Karniadakis，GE，《隐藏物理模型：非线性偏微分方程的机器学习》，《计算物理杂志》，357125-141，（2018）·Zbl 1381.68248号 ·doi:10.1016/j.jcp.2017.11.039 [9] Günes Baydin，A。；Pearlmutter，文学学士；安德烈耶维奇·拉杜尔，A。；Mark Siskind，J.，《机器学习中的自动差异化：一项调查》，J Mach Learn Res，18，1-43，（2018）·Zbl 06982909号 [10] Margossian，CCC，《自动分化及其有效实施综述》，Wiley Interdiscip Rev Data Min Knowl Discov，9，e1305，（2019）·doi:10.1002/widm.1305 [11] 福尼尔，DA；Skaug，HJ；Ancheta，J.，AD Model Builder:使用自动微分对高度参数化的复杂非线性模型进行统计推断，Optim Methods Softw，27，233-249，（2012）·Zbl 1242.90230号 ·doi:10.1080/10556788.2011.597854 [12] 他，M。；张，Z。；Li，N.，利用钻井测井数据预测节理岩体强度参数的深度卷积神经网络方法，国际地质力学杂志，21，04021111，（2021）·doi:10.1061/（ASCE）GM.1943-5622.0002074 [13] 吴杰。；尹，X。；Xiao，H.，《从图像中看到渗透率：卷积神经网络快速预测》，《科学通报》，63，1215-1222，（2018）·doi:10.1016/J.SCIB.2018.08.006 [14] 沈，S。；卢，H。；Sadoughi，M.，轴承故障检测的基于物理的深度学习方法，Eng Appl Artif Intell，103104295，（2021）·doi:10.1016/j.engappai.2021.104295 [15] Yang，L。；张，D。；Karniadakis，GEM，随机微分方程的物理信息生成对抗网络，SIAM科学计算杂志，42，A292-A317，（2020）·Zbl 1440.60065号 ·doi:10.137/18M1225409 [16] Borkowski，L。；索里尼，C。；Chattopadhyay，A.，基于递归神经网络的多轴塑性模型，基于物理约束的正则化，计算结构，258106678，（2022）·doi:10.1016/j.compstruc.2021.106678 [17] 维亚纳，FAC；纳西门托，RG；杜拉多，A。；Yucesan，YA，用物理信息神经网络估计常微分方程中的模型不足，计算结构，245，106458，（2021）·doi:10.1016/j.compstruc.2020.106458 [18] Ranade，R。；希尔，C。；Pathak，J.，DiscretizationNet:使用有限体积离散化的基于机器学习的Navier-Stokes方程求解器，计算方法应用机械工程，378113722，（2021）·Zbl 1506.76115号 ·doi:10.1016/j.cma.2021.113722 [19] 高，H。；扎尔，MJ；Wang，JX，Physics-informated graph neural Galerkin networks:a unified framework for solution PDE-govered forward and inverse problems，Comput Methods Appl Mech Eng，390，114502，（2022）物理信息图形神经伽辽金网络：解决PDE控制的正问题和逆问题的·Zbl 1507.65223号 ·doi:10.1016/j.cma.2021.114502 [20] 瓦希德，UB；Haghighat，E。；Alkhalifah，T.，PINNeik：使用物理信息神经网络的Eikonal解决方案，计算地球科学，155104833，（2021）·doi:10.1016/j.cageo.2021.104833 [21] 雅格塔普，AD；川口，K。；Karniadakis，GE，自适应激活函数加速了深度和物理信息神经网络的收敛，计算物理杂志，404，109136，（2020）·Zbl 1453.68165号 ·doi:10.1016/j.jcp.2019.109136 [22] McGowan，E。；加瓦德，V。；Guo，W.，激光金属沉积孔隙度预测中具有自定义损失函数的物理信息卷积神经网络，传感器，22，494，（2022）·doi:10.3390/S22020494 [23] 庞，G。；鲁、鲁；Karniadakis，GEM，FPinns：分数物理信息神经网络，SIAM科学计算杂志，41，A2603-A2626，（2019）·Zbl 1420.35459号 ·doi:10.1137/18M1229845 [24] 苏库马尔，北。；Srivastava，A.，在物理信息的深度神经网络中用距离函数精确施加边界条件，计算方法应用机械工程，389，114333，（2022）·Zbl 1507.65284号 ·doi:10.1016/j.cma..2021.114333文件 [25] 卢，Y。；王，B。；赵毅，基于深度学习的水力压裂几何预测的基于物理的代理建模，能源，253124139，（2022）·doi:10.1016/j.energy.2022.124139 [26] 雅格塔普，AD；Karniadakis，GE，《扩展物理信息神经网络（XPINNs）：基于广义时空域分解的非线性偏微分方程深度学习框架》，Commun Comput Phys，282002-2041，（2020）·Zbl 07419158号 ·doi:10.4208/CICP。OA-2020-0164号文件 [27] 西里尼亚诺，J。；Spiliopoulos，K.，DGM：解偏微分方程的深度学习算法，计算物理杂志，3751339-1364，（2018）·Zbl 1416.65394号 ·doi:10.1016/j.jcp.2018.08.029 [28] 南卡鲁穆里。；Tripathy，R。；Bilinis，I。；Panchal，J.，使用深度神经网络的高维随机椭圆偏微分方程的无模拟解，计算物理杂志，404，109120，（2020）·Zbl 1453.65021号 ·doi:10.1016/j.jcp.2019.109120 [29] Yang，L。；X孟。；Karniadakis，GE，B-PINNs:带噪声数据的正向和反向PDE问题的贝叶斯物理信息神经网络，计算物理杂志，425，109913，（2021）·Zbl 07508507号 ·doi:10.1016/J.JCP.2020.109913 [30] 高，H。；Sun，L。；Wang，JX，使用无高分辨率标签的基于物理信息的卷积神经网络对流体流动进行超分辨率和去噪，Phys Fluids，33，073603，（2021）·数字标识代码：10.1063/5.0054312 [31] 通用电气公司Karniadakis；Kevrekidis，IG；Lu，L.，《基于物理的机器学习》，Nat Rev Phys，第3422-440页，（2021年）·doi:10.1038/S42254-021-00314-5 [32] 蔡，S。；毛，Z。；Wang，Z.，《流体力学物理信息神经网络（PINNs）：综述》，《机械学报》，371727-1738，（2021）·doi:10.1007/S10409-021-01148-1 [33] Haghighat，E。；莱斯，M。；Moure，A.，固体力学中反演和代理建模的基于物理学的深度学习框架，Comput Methods Appl Mech Eng，379，113741，（2021）·Zbl 1506.74476号 ·doi:10.1016/j.cma.2021.113741 [34] 阿布伊达，DW；卢奇。；Koric，S.，《基于无网格物理的三维固体力学深度学习方法》，《国际数值方法工程杂志》，122，7182-7201，（2021）·doi:10.1002/nme.6828 [35] 蔡，S。；王，Z。；Wang，S.，《传热问题的物理信息神经网络》，J heat Transf，143，060801，（2021）·doi:10.1115/1.4050542 [36] 朱，Q。；刘，Z。；Yan，J.，《金属添加剂制造的机器学习：使用物理信息神经网络预测温度和熔池流体动力学》，计算力学，67，619-635，（2021）·Zbl 07360521号 ·doi:10.1007/s00466-020-01952-9 [37] 胡，WF；林，TS；Lai，MC，椭圆界面问题的不连续捕获浅层神经网络，计算机物理，469，111576，（2022）·Zbl 07592152号 ·doi:10.1016/j.jcp.2022.111576 [38] Samaniego，E。；Anitescu，C。；Goswami，S.，通过机器学习求解计算力学中偏微分方程的能量方法：概念、实现和应用，Comput Methods Appl Mech Eng，362112790，（2020）·Zbl 1439.74466号 ·doi:10.1016/j.cma.2019.112790 [39] Nguyen-Thanh，VM；庄，X。；Rabczuk，T.，有限变形超弹性的深能方法，《Eur J Mech A/Solids》，80，103874，（2020）·Zbl 1472.74213号 ·doi:10.1016/j.euromechsol.2019.103874 [40] Nguyen-Thanh，VM；Anitescu，C。；Alajlan，N.，考虑应变梯度效应的弹性力学参数深层能量法，计算方法应用机械工程，386114096，（2021）·Zbl 1507.74571号 ·doi:10.1016/j.cma.2021.114096 [41] Goswami，S。；Anitescu，C。；Chakraborty，S。；Rabczuk，T.，用于裂缝相场建模的传输学习增强物理信息神经网络，Theor Appl Fract Mech，106，102447，（2020）·doi:10.1016/j.tafmec.2019.102447 [42] 郑，B。；李·T。；Qi，H.，无标记数据准脆性材料计算断裂的基于物理的机器学习模型，国际机械科学杂志，223107282，（2022）·doi:10.1016/j.ijmecsci.2022.107282 [43] Silling，SA，《不连续性和长程力弹性理论的改革》，《机械物理固体杂志》，48，175-209，（2000）·Zbl 0970.74030号 ·doi:10.1016/S0022-5096（99）00029-0 [44] Jenabidehkordi，A。；Fu，X。；Rabczuk，T.，《均质和非均质材料动态断裂的开放源码周动力学代码》，Adv Eng Softw，（2022）·doi:10.1016/j.advengsoft.2022.103124 [45] 田德霖（音译），DL；Zhou，XP，《一种新颖的受运动学约束启发的非普通基于状态的周动力学》，应用数学模型，109709-740，（2022）·Zbl 1505.74010号 ·doi:10.1016/j.apm.2022.05.025 [46] Feng，K。；Zhou，XP，基于CT非均质数据的花岗岩单轴压缩力学响应和断裂行为的周向动力学模拟，Eng Comput，（2022）·doi:10.1007/S00366-021-01549-7 [47] Han，F。；刘，S。；Lubineau，G.，波传播的动态混合局部/非局部连续模型，计算力学，67，385-407，（2021）·Zbl 07360509号 ·doi:10.1007/s00466-020-01938-7 [48] 西林，南非；Askari，E.，基于固体力学周动力模型的无网格方法，计算结构，83，1526-1535，（2005）·doi:10.1016/j.compstruc.2004.11.026 [49] 任，H。；庄，X。；蔡，Y。；Rabczuk，T.，《双地平线周动力学》，《国际数值方法工程杂志》，第108期，第1451-1476页，（2016年）·doi:10.1002/nme.5257 [50] 帕塞托，M。；Leng，Y。；Chen，J-S，一种用于周动力解的再生核增强方法，计算方法应用机械工程，3401044-1078，（2018）·Zbl 1440.74478号 ·doi:10.1016/j.cma.2018.05.010 [51] Shojaei，A。；赫尔曼，A。；Cyron，CJ，“提高周动力模型数值性能的混合无网格离散化”，《计算方法应用-机械工程》，391114544，（2022）·Zbl 1507.74058号 ·doi:10.1016/j.cma..2021.114544文件 [52] 塞莱森，P。；Littlewood，DJ，无网格周动力模拟中的收敛研究，《应用计算数学》，712432-2448，（2016）·Zbl 1443.65253号 ·doi:10.1016/j.camwa-2015.12.021 [53] 李，Z。；黄，D。；Rabczuk，T。；Ren，H.，正交异性结构热机械分析中键相关周动力微分算子的弱形式，《欧洲力学杂志》A/Solids，99，104927，（2023）·Zbl 1517.74008号 ·doi:10.1016/j.euromechsol.2023.104927 [54] Yu，H。；Sun，Y.，《弥合局部和非局部数值方法之间的差距——基于非常规状态的周动力统一变分框架》，计算方法应用机械工程，384113962，（2021）·Zbl 1506.74042号 ·doi:10.1016/j.cma.2021.113962 [55] Haghighat，E。；贝克尔，AC；Madenci，E。；Juanes，R.，使用周动力微分算子的非局部物理信息深度学习框架，计算方法应用机械工程，385，114012，（2021）·Zbl 1502.65172号 ·doi:10.1016/j.cma.2021.114012 [56] 西林，南非；埃普顿，M。；Weckner，O.，《周动力状态和本构建模》，《弹性力学杂志》，88，151-184，（2007）·Zbl 1120.74003号 ·doi:10.1007/s10659-007-9125-1 [57] 塞莱森，P。；Parks，ML，《影响函数在周动力理论中的作用》，国际多尺度计算工程杂志，9，689-706，（2011）·doi:10.1615/IntJMultCompEng.211002527 [58] Wang，Y。；周，X。；Wang，Y。；Shou，Y.，《脆性固体中裂纹萌生和扩展的三维共轭键对基周动力公式》，《国际固体结构杂志》，134，89-115，（2018）·doi:10.1016/j.ijsolstr.2017.10.022 [59] 周，XP；Yu，XL，线弹性固体中裂纹萌生和扩展的矢量形式共轭剪切键基周动力模型，工程分形力学，256107944，（2021）·doi:10.1016/j.engfracmech.2021.107944文件 [60] 朱，QZ；Ni，T.，富含键旋转效应的周动力公式，国际工程科学杂志，121，118-129，（2017）·Zbl 1423.74072号 ·doi:10.1016/j.ijengsci.2017.09.004 [61] 戴安娜，V。；Casolo，S.，具有剪切变形能力的基于键的微极周动力模型：弹性、破坏特性和初始屈服域，国际固体结构杂志，160，201-231，（2019）·doi:10.1016/j.ijsolstr.2018.10.026 [62] 李，X。；Yu，Y。；Mu，Z。；Hu，YL，《基于状态的周向动力学对连续纤维增强复合材料有效性能的细观建模》，机械学报，34，729-742，（2021）·doi:10.1007/S10338-021-00239-7 [63] 基利克，B。；Madenci，E.，使用周动力理论进行准静态模拟的自适应动态松弛方法，Theor Appl Fract Mech，53，194-204，（2010）·doi:10.1016/j.tafmec.2010.08.001 [64] 李，H。；张，H。；郑毅。；Zhang，L.，桁架和张拉整体结构非线性静力分析的周动力学模型，Comput Mech，57，843-858，（2016）·Zbl 1382.74006号 ·doi:10.1007/s00466-016-1264-4 [65] Sadd，MH，《弹性：理论、应用和数值学》，（2009），纽约：爱思唯尔公司，纽约 [66] Nguyen，LTK；艾丁，RC；Cyron，CJ，用自适应超参数加速数据驱动弹性的距离最小化方法，计算力学，70，621-638，（2022）·Zbl 1497.74080号 ·doi:10.1007/s00466-022-02183-w [67] Abadi M、Barham P、Chen J等人（2016）《TensorFlow：大规模机器学习系统》。摘自：第十二届USENIX操作系统设计与实现研讨会论文集，OSDI 2016。USENIX协会，第265-283页 [68] 帕斯克，A。；毛重，S。；Massa，F.，PyTorch:一种命令式、高性能的深度学习库，Adv Neural Inf Process Syst，32，8024-8035，（2019） [69] 科莫，S。；迪可乐VS；Giampaolo，F.，《通过物理信息神经网络进行科学机器学习：我们在哪里，下一步是什么》，《科学计算杂志》，92，88，（2022）·Zbl 07568980号 ·doi:10.1007/s10915-022-01939-z [70] Kingma DP，Ba JL（2015）Adam：一种随机优化方法。参加：第三届国际学习代表大会ICLR 2015年会议记录 [71] 迪安·J。；Corrado，GS；Monga，R.，《大规模分布式深层网络》，Adv Neural Inf Process Syst，2123-1231，（2012） [72] Yu，X-L；周，X-P，热机械载荷下含裂纹各向同性弹性体的非局部能量通知神经网络，国际J数值方法工程，（2023）·Zbl 07772296号 ·doi:10.1002/nme.7296 [73] 卢，L。；X孟。；毛，Z。；Karniadakis，GE，DeepXDE:求解微分方程的深度学习库，SIAM Rev，63208-228，（2021）·Zbl 1459.65002号 ·doi:10.1137/19M1274067 [74] Le，QV；Bobaru，F.，弹性力学和断裂动力学模型的表面修正，计算力学，61499-518，（2018）·Zbl 1446.74084号 ·doi:10.1007/s00466-017-1469-1 [75] Seleson，P.，基于分析计算的二维周动力模型的改进单点求积算法，计算方法应用机械工程，282184-217，（2014）·Zbl 1423.74143号 ·doi:10.1016/j.cma.2014.06.016 [76] Breitenfeld，理学硕士；Geubelle，PH；O.威克纳。；Silling，SA，固定裂纹问题的非有序状态下的周动力分析，计算方法应用机械工程，272，233-250，（2014）·Zbl 1296.74099号 ·doi:10.1016/j.cma.2014.01.002 [77] Yaghoobi，A。；Chorzepa，MG，抑制非正常基于状态的周动力学中零能模式的高阶近似，计算结构，188，63-79，（2017）·doi:10.1016/j.compstruc.2017.03.019 [78] Mikata，Y.，三维各向同性材料的周静态和周动力学分析解，Eur J Mech A/Solids，（2023）·Zbl 1525.74016号 ·doi:10.1016/j.euromechsol.2023.104978 [79] TL安德森，《断裂力学：基础与应用》（2005），博卡拉顿：CRC出版社，博卡拉顿·Zbl 1083.74001号 ·doi:10.1201/9781420058215 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。