Physics-informed optimizing discrete loss framework for nonlinear computational mechanics using automatic differentiation

2026-08-01

0

OA

AI

DOI：10.1016/j.apm.2026.117235

查看原文

摘要

En 中文

• 提出采用传统离散化方法优化离散损失以求解偏微分方程（PDEs）。• 自适应重启策略提高了优化器的鲁棒性和收敛性。• 通过典型测试和超材料梁的弯曲验证了精度。• 优化离散损失实现了准确且鲁棒的非线性偏微分方程解。

Keyword:

Optimizing discrete loss

Functionally graded materials

Nonlinear bending

Graphene origami

Auxetic metamaterials