.png){kind=icon}
返回
AuTO: a framework for Automatic differentiation in Topology Optimization
.png){kind=icon}
OA
AI
DOI：10.1007/s00158-021-03025-8.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
拓扑优化 (TO) 的关键步骤是寻找灵敏度。灵敏度的手动推导和实现可能是相当费力和容易出错的，特别是对于非平凡的目标、约束和材料模型。另一种方法是利用自动微分 (AD)。虽然AD已经存在了几十年，并且也被应用于，但它的广泛采用在很大程度上是不存在的。在这篇教育论文中，我们旨在重新引入AD for to，使其通过说明性代码轻松访问。特别是，我们使用了JAX，这是一个高性能的Python库，用于自动计算从用户定义到问题的敏感度。通过合规性最小化，合规性机制设计和微结构设计中的几个示例说明了由此产生的框架，此处称为AuTO。
Keyword:
Automatic differentiation
Topology optimization
JAX
Sensitivity analysis
Machine learning
Educational code
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4
论文数:
4.9K
被引数:
1.7W
机构
引用论文
Topology Optimized Architectures with Programmable Poisson's Ratio over Large Deformations.png)
ADVANCED MATERIALSOAAI
ADVANCED MATERIALSIF26.8
OAAI分享收藏
查看更多内容