.png){kind=icon}
返回
Neural network modeling of microstructure complexity using digital libraries*
.png){kind=icon}
OA
AI
DOI：10.1088/2632-2153/ae1bf7.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
物质中的微观结构演化通常通过场或水平集求解器进行数值建模，反映时空复杂性的双重表示，即以像素或体素数据表示，以及以矢量图形表示的几何形态。受此类比以及人工神经网络和脉冲神经网络的结构特性和事件驱动特性的启发，我们评估了它们在学习和预测疲劳裂纹扩展及图灵模式发展方面的性能。预测基于从计算机模拟构建的数字库进行，该库可被实验数据替代，以解除物理学的数学过度约束。我们的评估表明，漏电积分-发放神经元模型在参数更少、内存使用更少的情况下提供了更优越的预测精度，缓解了与计算机视觉任务中常见做法形成对比的精度-成本权衡。对网络架构的考察表明，这些优势源于其权重范围更小和连接更稀疏。该研究强调了事件驱动模型在利用数字库方法解决具有演化体相和界面行为问题方面的能力。
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
M
IF:
0
论文数:
116
被引数:
0
机构
引用论文
Adaptive Exponential Integrate-and-Fire Model as an Effective Description of Neuronal Activity自适应指数积分和Fire模型可有效描述神经元活动
OAAI
OAAI分享收藏A probabilistic graphical model foundation for enabling predictive digital twins at scale用于实现大规模预测数字双胞胎的概率图形模型基础OAAI
OAAI分享收藏Effect of Nickel Contents on Fatigue Crack Growth Rate and Fracture Toughness for Nickel Alloy Steels.png)
MetalsOAAI
MetalsIF0
OAAI分享收藏Data&code for resolving the complexity of microstructure evolution using spiking neural networks.用于解决利用脉冲神经网络解析微观结构演化的数据与代码。
IF0
PREAI
分享收藏Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations物理信息神经网络: 一种用于解决涉及非线性偏微分方程的正反问题的深度学习框架OAAI
OAAI分享收藏分享收藏Fronts propagating with curvature-dependent speed: Algorithms based on Hamilton-Jacobi formulations前沿以曲率相关的速度传播: 基于hamilton-jacobi公式的算法OAAI
OAAI分享收藏
查看更多内容