多凸物理增强神经网络用于超弹性均匀化

S. Ares de Parga 等人提出一种基于成对方向特征的多凸物理增强神经网络（PANN），用于构建各向异性超弹性均匀化代理模型。论文称，该网络的取向、拉伸幂次与行列式指数可自适应代表体积单元（RVE）响应，并与逐分量非递减凸核（ICNN 或 ICKAN）复合，构造上即满足客观性、无应力参考态、二维多凸性与指定增长条件。 该工作以预印本形式发布，尚未见同行评审或第三方复现结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。