NCSA Delta 系統利用人工智能對增材制造過程壓力演變進行預測
時間：2023-12-27 10:46 來源：南極熊 作者：admin 閱讀：次
2023年12月26日，美國伊利諾伊大學厄巴納-香檳分校（UIUC）的國家超級計算應用中心（NCSA）和格雷恩格工程學院的研究人員利用人工智能在應力預測研究方面取得了進展。他們的工作集中在深度操作網絡（DeepONet）的實施上，旨在改善復雜幾何形狀中的應力響應預測，比如增材制造零部件。利用NCSA的Delta系統，他們取得了與傳統有限元方法相比明顯更快的結果。
應力解決方案比較、DeepONet 預測與材料非線性（塑料）有限元 (FE) 解決方案。（圖片來源：UIUC）
團隊通過伊利諾伊計算（Illinois
Computes）進行了他們的研究，這是一個提供廣泛計算和數據存儲資源的項目。該計劃促進了跨學科的合作，結合了機器學習和計算力學。著名的Delta系統以其高性能的GPU計算能力而聞名，對使用Abaqus軟件進行深度神經網絡訓練和生成訓練數據至關重要。
這項研究已經產生了兩篇重要的出版物。首篇發表在《應用力學和工程中的計算機方法》雜志上，介紹了一種新穎的DeepONet，使用殘差U-Net（ResUNet）來編碼復雜的幾何形狀。這種方法標志著ResUNet首次在DeepONet架構中的應用，展示出相對傳統方法具有更優越的內存效率和靈活性。該論文題為：“A
physics-informed variational DeepONet for predicting crack path
inquasi-brittle materials”，論文鏈接：https://www.sciencedirect.com/science/article/abs/pii/S004578252200010X
第二篇發表在《人工智能工程應用》雜志上的論文描述了另一個創新的DeepONet版本，S-DeepONet。它利用先進的序貫學習方法，在不同的熱力和機械載荷下提供了更準確的多物理解決方案。該論文題為：“Sequential
Deep Operator Networks (S-DeepONet) for predictingfull-field solutions
under time-dependent loads”，論文鏈接：https://www.sciencedirect.com/science/article/abs/pii/S0952197623014422
UIUC的機械科學與工程教授IwonaJasiuk說道：“增材制造是一種革命性的制造技術，為其實施開啟了幾乎無限的可能性。DeepONet是一個強大而快速的計算工具，可以在各種空間和時間尺度上模擬增材制造過程。這樣的模擬對于更深入地理解增材制造過程及其實施和監測至關重要。”
這項研究不僅是人工智能應用的重大飛躍，也對先進制造過程和數字孿生體的發展具有重要影響。NCSA和MechSE之間的合作突顯了跨學科專業知識和尖端技術的協同作用。
(責任編輯：admin)
Himed評估不同噴砂磨料在3
粉末粒徑可以控制增材制造
Divergent公司以3D打印技
浙大口腔醫學院：生物3D打
新型類器官樣神經血管球促
推動粘結劑噴射（鑄造/金最新內容
選區激光熔化增材
大型聚合物3D打印
6K Additive最新
如何打造增材制造
從實驗室走向生產
3D打印在口腔修復熱點內容
