极端加载下 PDE 基础模型的分布外迁移到材料动力学
机器学习
2026-03-05 v1
摘要
大多数 PDE 基础模型在以流体为中心的基准上进行预训练和微调。其在极端加载材料动力学中的实用性尚不明了。我们对分布外迁移进行基准测试，聚焦于两类以离散为主的情景，其中冲击、演化界面和裂纹产生高度非平滑场：冲击驱动的多材料界面动力学（扰动层界面，PLI）和动态裂纹/失效演化（FRAC）。我们将下游任务形式化为终端状态预测，即学习一个直接从初始快照预测最终状态的长期映射，而无需中间监督。通过统一的训练和评估协议，我们评估了两个开源预训练 PDE 基础模型，POSEIDON 和 MORPH，并比较了从预训练权重微调与从头训练在分布迁移下样本效率。
引用
@article{arxiv.2603.04354,
title = {Out-of-distribution transfer of PDE foundation models to material dynamics under extreme loading},
author = {Mahindra Rautela and Alexander Most and Siddharth Mansingh and Aleksandra Pachalieva and Bradley Love and Daniel O Malley and Alexander Scheinker and Kyle Hickmann and Diane Oyen and Nathan Debardeleben and Earl Lawrence and Ayan Biswas},
journal= {arXiv preprint arXiv:2603.04354},
year = {2026}
}