文献

J-GLOBAL ID：202202260812847279   整理番号：22A1081137

偏微分方程式を解くための物理学にヒントを得たニューラルネットワーク 拡散誘起応力における応用【JST・京大機械翻訳】

A physics-inspired neural network to solve partial differential equations - application in diffusion-induced stress

著者 (4件)： Xue Yuan (Jiangsu Key Laboratory of Engineering Mechanics, School of Civil Engineering, Southeast University, Nanjing, Jiangsu 210096, China. [e-mail]) ,  Li Yong ,  Zhang Kai ,  Yang Fuqian
資料名： Physical Chemistry Chemical Physics  (Physical Chemistry Chemical Physics)
巻： 24  号： 13  ページ： 7937-7949  発行年： 2022年 
JST資料番号： A0271C  ISSN： 1463-9076  CODEN： PPCPFQ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 拡散誘起応力を解析し,予測することは,機械的平衡と物質移動のための偏微分方程式(PDEs)を含む初期境界値問題の解決を必要とするリチウムとナトリウムイオン電池の構造耐久性を理解する上で極めて重要である。初期境界値問題の複雑性と非線形特性のため,有限差分法,例えば,有限差分法,有限要素,スペクトル分析,その他が使用された。本研究では,拡散と応力の間のデカップリングと結合を有する問題に対するPDEsの残差,初期条件と境界条件の合計として2つの全損失関数を提案し,従来の数値法とは対照的に,弾性球における拡散誘起応力を解くために,DeepXDEのフレームワークの下で物理学にヒントを得たニューラルネットワークを適用した。入力と変位として時間-空間座標と人工ニューラルネットワークの出力として溶質濃度を用いて,デカップリングと結合問題の両方に対する弾性球における変位と溶質濃度の時空間発展を解いた。COMSOLパッケージを用いた解析解と有限要素シミュレーションによって,物理にヒントを得たニューラルネットワークからの数値結果を検証した。本研究で開発した方法は,電気化学サイクリングによる電極における応力進展を解析するアプローチを開いた。Copyright 2022 Royal Society of Chemistry All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *応力 ,  差分法 ,  *拡散 ,  境界値問題 ,  濃度 ,  *偏微分方程式 ,  リチウム ,  弾性 ,  *ニューラルネットワーク ,  残差 ,  解析的解法 ,  境界条件 ,  デカップリング ,  溶質
準シソーラス用語： 有限要素 , 【Automatic Indexing@JST】

分類 (1件)： 物理化学一般その他  (CB01030T)

タイトルに関連する用語 (8件)： 偏微分方程式 ,  物理学 ,  ヒント ,  ニューラルネットワーク ,  拡散 ,  誘起 ,  応力 ,  応用