返回
I-FENN with DeepONets: Accelerating simulations in coupled multiphysics problems
DOI:10.1016/j.cma.2025.118645.png)
摘要
En 中文
• 我们提出了一种基于GRU-DeepONet的I-FENN框架,用于多物理场仿真,并在热弹性和孔隙弹性中进行了验证。
• 一种改进的MIONet能够处理多个输入函数,并采用了一种新的策略来对不同的分段强制施加边界条件。
• 三个案例研究验证了该框架对未见过的加载场景的泛化能力。
• 该方法适用于二维和三维,与网格无关且可扩展,这一点通过网格细化测试得到确认。
• 实现利用deal.II库进行高效的HPC部署,并优化了数据传输和内存使用。
期刊
IF:
7.3
论文数:
1.3W
被引数:
5.6W
机构
引用论文
Thermodynamically consistent non-local damage formulation for fluid-driven fracture in poro-viscoelastic media
ACTA GEOTECHNICA
IF5.7
Exact imposition of boundary conditions with distance functions in physics-informed deep neural networks在物理通知的深度神经网络中使用距离函数精确施加边界条件

