深度学习优化多晶铜动态与准静态性能

Gupta、Saha、Graham-Brady和Zaki提出深度学习框架，用3D U-Net代理模型直接预测多晶铜微结构在板冲击模拟中的全场速度历史，并通过无导数优化同时处理动态冲击与准静态强度要求，应用于层裂、屈服强度约束优化和逆向设计。 论文摘要称，CPFE验证在各优化案例中的预测误差低于3%；与直接使用CPFE优化相比，代理模型将累计评估时间缩短约四个数量级。框架还以最大均值差异衡量优化样本相对训练数据的分布偏移，用于界定代理模型的可靠区域。结果目前属于模拟研究。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。