用于弹性成像中非均匀材料识别的物理信息神经网络
机器学习
2020-09-11 v1 软凝聚态物质
图像与视频处理
摘要
我们应用物理信息神经网络（PINNs）求解非均匀材料的识别问题。我们关注弹性成像背景下的该问题，即基于准静态载荷下全视野位移测量来识别软组织的非均匀力学特性。在我们的模型中，我们使用两个独立的神经网络，一个用于逼近相应正问题的解，另一个用于逼近未知材料参数场。作为概念验证，我们在一个不可压缩超弹性组织的原型平面应变问题上验证了模型。结果表明，PINNs能有效地精确恢复力学特性的未知分布。通过在模型中采用两个神经网络，我们将PINNs的材料识别能力扩展到包含非均匀材料参数场，从而使PINNs在表示复杂材料特性时更具灵活性。
引用
@article{arxiv.2009.04525,
title = {Physics-Informed Neural Networks for Nonhomogeneous Material Identification in Elasticity Imaging},
author = {Enrui Zhang and Minglang Yin and George Em Karniadakis},
journal= {arXiv preprint arXiv:2009.04525},
year = {2020}
}
备注
10 pages, 3 figures