大尺寸比功能梯度材料动态热机耦合问题的自适应物理指导神经网络
摘要：自适应物理信息神经网络(PINNs)用于解决大尺寸比功能梯度材料(FGMs)中的三维动态热力机械耦合问题。通过自动微分算法，利用由耦合控制方程描述的物理定律和初始边界条件所施加的约束形成PINNs的损失函数，并引入自适应损失平衡方案来提高PINNs的性能。自适应PINNs是无网格的，通过随机采样的碰撞点训练，这是方法的关键特点和优势，因为基于网格的方法在解决大尺寸比问题时会遇到困难。该方法在大尺寸比FGMs中的几个三维热力机械耦合问题上进行了测试，数值结果表明，自适应PINNs对于处理具有大尺寸比高达10^9的涂层结构以及复杂的大尺寸比几何结构（如静电梳、飞机和潜艇）的耦合问题是有效可靠的。
作者：Lin Qiu, Yanjie Wang, Tian He, Yan Gu, Fajie Wang
论文ID：2306.07982
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2023-06-16