COMMET：基于批处理矢量化神经本构更新实现有限元方法加速
计算工程、金融与科学
2026-01-21 v2 机器学习
摘要
本构评估常常支配有限元(FE)仿真的计算成本，当材料模型复杂时尤为如此。神经本构模型(NCMs)提供了高度表达性和灵活性的框架，用于建模固体力学中的复杂材料行为。然而，其在大规模FE仿真中的实际采用受限于显著的计算成本，尤其是在反复计算应力和刚度时。NCMs因此代表一种极端情况：其大的计算图使应力和刚度评估变得昂贵，限制了其仅能用于小规模问题。本文引入COMMET，一个开源FE框架，其架构从根本上重新设计，以加速高成本本构更新。我们的框架具有支持批量和矢量化本构评估的新型装配算法、取代自动微分的计算图优化导数，以及通过MPI的分布式内存并行。这些进展显著降低了运行时间，相对于传统基于非矢量化自动微分实现的实现，加速速度超过三个数量级。虽然我们主要针对NCMs演示了这些收益，但相同的原理也适用于任何基于for循环的装配或本构更新限制性能的情形，为大规模、高保真计算力学仿真树立了新标准。
引用
@article{arxiv.2510.00884,
title = {COMMET: orders-of-magnitude speed-up in finite element method via batch-vectorized neural constitutive updates},
author = {Benjamin Alheit and Mathias Peirlinck and Siddhant Kumar},
journal= {arXiv preprint arXiv:2510.00884},
year = {2026}
}
备注
43 pages, 17 figures