tLaSDI-pGFINNs：热力学一致的断裂预测模型

Muhamad Alim 等人在 arXiv 提出机器学习代理模型 tLaSDI-pGFINNs，用于预测非均质材料的断裂形态与演化。方法通过参数化 GENERIC 形式神经网络在低维潜空间学习热力学状态变量，将总能量守恒和熵生成等热力学原则作为硬约束嵌入网络，并用几何条件自编码器增强几何引导学习。 据论文摘要，模型在未见测试样本中保持热力学约束，对断裂形态及后续演化的预测比纯数据驱动的 AE-LSTM 模型更准确；具体实验细节与适用条件材料未说明。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。