用深度学习预测寡晶的力学响应
介观与纳米尺度物理
2019-03-27 v2 计算物理
摘要
本工作中，我们采用数据驱动的均匀化方法预测由数十个单晶组成的多晶团聚体的特定力学演化。在这些寡晶中，由微观结构差异引起的应力响应差别十分显著。金属基增材制造等产生的类壳结构使得寡晶行为预测具有技术相关性。基于晶粒体积的传统均匀化理论对局部晶粒邻域变化不敏感。采用晶体塑性有限元方法直接模拟局部响应虽更细致，但计算昂贵。为表征给定初始晶粒织构与形貌的多晶样品的应力—应变响应，我们设计了一种新颖神经网络，其包含卷积组件以观测并压缩晶体织构场中的信息，以及递归组件以表征历史信息的因果特性。该模型以极小的单次预测计算成本实现了与晶体塑性模拟相当的精度。
引用
@article{arxiv.1901.10669,
title = {Predicting the mechanical response of oligocrystals with deep learning},
author = {Ari L. Frankel and Reese E. Jones and Coleman Alleman and Jeremy A. Templeton},
journal= {arXiv preprint arXiv:1901.10669},
year = {2019}
}
备注
19 pages, 9 figures, 57 references