LatticeGraphNet：用于模拟晶体结构的两种尺度图神经算子
机器学习
2024-09-17 v1 计算工程、金融与科学
摘要
本研究引入一种两种尺度图神经算子（Graph Neural Operator, GNO），即 LatticeGraphNet（LGN），作为三维晶体部件与结构的高成本非线性有限元仿真的替代模型。LGN 包含两个网络：LGN-i 学习晶体的简化动力学，LGN-ii 学习从简化表示映射到四面体网格。LGN 能够预测任意晶体的变形，因此称为算子。我们的方法在保持高精度的同时显著减少推理时间，建立了将 GNO 作为评估晶体和结构力学响应高效替代模型的应用前景。
引用
@article{arxiv.2402.01045,
title = {LatticeGraphNet: A two-scale graph neural operator for simulating lattice structures},
author = {Ayush Jain and Ehsan Haghighat and Sai Nelaturi},
journal= {arXiv preprint arXiv:2402.01045},
year = {2024}
}