面向两相随机材料动态加载下的全球应力生成与时空超分辨率物理信息算子
机器学习
2025-05-06 v1 材料科学
人工智能
摘要
材料应力分析是材料设计和性能优化的关键方面。在动态加载下，材料中的全局应力演化表现出复杂的时空特征，尤其是对于两相随机材料（TRMs）。这种类型的材料失效常与应力浓度相关，相位边界是应力浓度发生的关键位置。在实际工程应用中，获取的微结构数据及其动态应力演化的时空分辨率往往受限。这给深度学习方法在生成高分辨率时空应力场方面带来了挑战，尤其是难以准确捕捉应力浓度区域。本研究提出了面向 TRMs 动态加载下的全局应力生成与时空超分辨率框架。首先，我们引入基于扩散模型的方法，称为时空应力扩散（Spatiotemporal Stress Diffusion，STS-diffusion），用于生成全局时空应力数据。该框架包含时空 U-Net（STU-net），并系统地研究了不同注意力位置对模型准确性的影响。接下来，我们开发了一个用于时空超分辨率的物理信息网络，称为时空超分辨率物理信息算子（Spatiotemporal Super-Resolution Physics-Informed Operator，ST-SRPINN）。 proposed ST-SRPINN 是一种无监督学习方法。详细探讨了数据驱动和物理信息损失函数权重对模型准确性的影响。得益于物理约束，ST-SRPINN 在训练时仅需低分辨率应力场数据，即可将应力场的时空分辨率扩大到任意倍率。
引用
@article{arxiv.2505.01438,
title = {Global Stress Generation and Spatiotemporal Super-Resolution Physics-Informed Operator under Dynamic Loading for Two-Phase Random Materials},
author = {Tengfei Xing and Xiaodan Ren and Jie Li},
journal= {arXiv preprint arXiv:2505.01438},
year = {2025}
}