.png){kind=icon}
.png){kind=icon}
返回
Group-theoretic optimization framework for symmetric structures: simple/multiple eigenmode classification and tracking
.png){kind=icon}
OA
AI
DOI：10.1007/s00158-026-04410-x.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
追踪与多重特征值相关的特征模态并优化这些特征值具有挑战性。本研究提出了一种群论框架，将群表示理论的结果与一种有效的特征模态分类算法相结合。通过系统地将近征模态分配到基础群的不可约表示中，所提出的方法能够实现对简单和多重特征模态的稳健追踪。还引入了一种分区策略，以区分群论中的多重特征值与收敛特征值，确保可靠的模态分类和准确的聚类。该框架在约束条件下考虑簇均值最大化，自然地容纳特征模态交叉和模态顺序切换，同时仅需计算有限数量的特征对。对具有所有常见点群对称性的桁架结构（包括二面体群、四面体群、八面体群和二十面体群）进行的数值研究表明，能够实现精确的特征模态追踪和一致的最优性能。
Keyword:
Symmetry
Multiple eigenvalues
Group-theoretic optimization
Eigenmode classification
Eigenfrequency optimization
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。