文献

J-GLOBAL ID：202202212531243826   整理番号：22A0888920

マイクロスケール特徴を持つ構造物における局所応力場を予測するためのBayesマルチスケールCNNフレームワーク【JST・京大機械翻訳】

A Bayesian multiscale CNN framework to predict local stress fields in structures with microscale features

著者 (7件)： Krokos Vasilis (School of Engineering, Cardiff University, Cardiff, UK) ,  Krokos Vasilis (Synopsys Northern Europe Ltd, Exeter, UK) ,  Bui Xuan Viet (Synopsys Northern Europe Ltd, Exeter, UK) ,  Bordas Stephane P. A. (Institute for Computational Engineering, Faculty of Science, Technology and Communication, University of Luxembourg, Esch-sur-Alzette, Luxembourg) ,  Young Philippe (School of Engineering, Mathematics and Physical Sciences, University of Exeter, Exeter, UK) ,  Kerfriden Pierre (School of Engineering, Cardiff University, Cardiff, UK) ,  Kerfriden Pierre (Centre des Materiaux, Mines ParisTech / PSL University, Evry, France)
資料名： Computational Mechanics  (Computational Mechanics)
巻： 69  号： 3  ページ： 733-766  発行年： 2022年 
JST資料番号： D0956B  ISSN： 0178-7675  CODEN： CMMEEE  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： マルチスケール計算モデリングは,有限要素による直接数値シミュレーションの高い計算コストのために挑戦的である。この問題に取り組むために,同時マルチスケール法は,マイクロスケール滑り窓に対する境界条件として,より安価なマクロスケール代理の解を使用する。マイクロスケール問題は,実装とコストの両方に関して,数値的に挑戦的な操作である。本研究では,局所マイクロスケール問題の事前パラメータ化なしに,未解決のミクロスケール特徴の周りの粗い予測に微細スケール応力補正を生成するEncoder-Decoder畳込みニューラルネットワークにより局所マイクロスケール解を置き換えることを提案した。予測の不確実性を評価するために信頼できる間隔を与えるBayes手法を開発し,次に,選択的学習フレームワークのメリットを調べるために用いた。線形化および有限歪弾性理論を用いて,多孔質構造における等価応力場を予測する方法の能力を実証した。Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *応力 ,  学習 ,  不確実性 ,  *長さ ,  境界条件 ,  モデリング ,  弾性力学 ,  相当応力
準シソーラス用語： *局部応力 ,  有限歪 ,  *マルチスケール ,  直接計算機シミュレーション ,  マイクロスケール ,  計算コスト ,  有限要素 ,  線形化 , 【Automatic Indexing@JST】

著者キーワード (4件)： マルチスケール応力解析 ,  畳込みニューラルネットワーク ,  代理モデリング ,  Bayes機械学習

分類 (1件)： 破壊力学一般  (HC04010A)

タイトルに関連する用語 (7件)： マイクロスケール ,  構造物 ,  局所応力 ,  予測 ,  マルチスケール ,  CNN ,  フレームワーク