基于物理信息神经网络的利用超声数据量化多晶镍微观结构属性方法
材料科学
2022-01-12 v2 计算物理
摘要
我们采用物理信息神经网络（PINNs）通过计算多晶镍材料柔度系数（可压缩性、刚度和刚性）的空间变化来量化其微观结构。该 PINN 以实际超声表面声波场数据进行监督，该数据是在 5 MHz 超声频率下针对多晶材料获取的。超声波场数据表示为材料顶表面的形变，其形变通过激光测振法测量。超声数据进一步由基于有限元求解器生成的波场数据补充。该神经网络由面内和面外弹性波动方程提供物理信息，并使用自适应激活函数加速其收敛。本工作的总体目标是利用 PINN 推断材料柔度系数的空间变化，对于超声而言这涉及弹性波的空间变化速度。更广泛地说，由此产生的基于 PINN 的代理模型为求解材料无损评估中常遇到的不适定逆问题提供了一种有前景的方法。
引用
@article{arxiv.2103.14104,
title = {A physics-informed neural network for quantifying the microstructure properties of polycrystalline Nickel using ultrasound data},
author = {Khemraj Shukla and Ameya D. Jagtap and James L. Blackshire and Daniel Sparkman and George Em Karniadakis},
journal= {arXiv preprint arXiv:2103.14104},
year = {2022}
}
备注
18 pages, 5 figures