.png){kind=icon}
返回
Distributional inverse homogenization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jmps.2026.106806.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对于许多材料，宏观力学行为由复杂的微观结构决定。理解这两个尺度之间的关系有助于科学家和工程师设计更好的材料。将微观结构映射到宏观材料属性的这种关系可以通过成熟的均质化理论来理解。然而，反演均质化过程以从测量的宏观属性中恢复微观结构信息，由于均质化所依据的统计平均过程而充满困难。因此，科学家和工程师通常需要借助更具侵入性、往往是高度局部的调查方法来估计微观结构。在本工作中，我们开发了一种非侵入性方法，通过利用大量测量的宏观材料属性来推断微观结构在全局层面的统计信息。我们将此称为分布型反均质化。我们在一维和二维中研究了这个问题，考虑了周期性和随机均质化。我们在二维Voronoi构造的背景下演示了该方法，并通过一维的理论支持了观察到的经验成功。我们还展示了如何利用微观结构的自然空间变异性来收集使分布型反演成为可能的数据。并且我们同时学习了一个代理模型，近似均质化映射，以加速该设定下的计算结果。这项工作提出了一类新的反问题，将概率和均质化的思想结合起来，以促进从宏观测量中推断微观材料变异性。
Keyword:
Homogenization
Inverse problems
Distributional inference
期刊
IF:
6
论文数:
5.3K
被引数:
3.0W
机构
引用论文
暂无论文信息