基于 MOOSE 的先进制造模型的算子学习降阶建模
机器学习
2023-08-21 v1 机器学习
摘要
先进制造(AM)因其在核材料上的潜在应用而在核领域受到极大关注。一个挑战是在运行期间通过控制制造过程来获得所需的材料性能。基于深度强化学习(DRL)的智能 AM 依赖自动化的过程级控制机制来生成最优设计变量和自适应系统设置,以改善最终产品性能。爱达荷国家实验室(INL)最近在 MOOSE 框架内开发了用于直接能量沉积的高保真热-力学模型。本工作的目标是为该基于 MOOSE 的 AM 模型开发一个准确且快速运行的降阶模型(ROM),可用于基于 DRL 的过程控制与优化方法。由于算子学习(OL)方法能够学习一族微分方程(本工作中由改变激光高斯点热源中的过程变量产生),将采用基于 OL 的方法。我们将使用傅里叶神经算子开发基于 OL 的 ROM,并将其性能与传统基于深度神经网络的 ROM 进行基准比较。
引用
@article{arxiv.2308.09691,
title = {Reduced Order Modeling of a MOOSE-based Advanced Manufacturing Model with Operator Learning},
author = {Mahmoud Yaseen and Dewen Yushu and Peter German and Xu Wu},
journal= {arXiv preprint arXiv:2308.09691},
year = {2023}
}
备注
10 Pages, 7 Figures, 2 Tables. arXiv admin note: text overlap with arXiv:2308.02462