論文の概要: A physics-guided smoothing method for material modeling with digital image correlation (DIC) measurements

• arxiv url: http://arxiv.org/abs/2505.18784v1
• Date: Sat, 24 May 2025 16:47:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.661192
• Title: A physics-guided smoothing method for material modeling with digital image correlation (DIC) measurements
• Title（参考訳）: ディジタル画像相関(DIC)測定による材料モデリングのための物理誘導平滑化法
• Authors: Jihong Wang, Chung-Hao Lee, William Richardson, Yue Yu,
• Abstract要約: 本稿では,複数の二軸延伸プロトコルのDIC測定を行うための新しい手法を提案する。 特に, 正のひずみ制約を受ける最小二乗運動を用いて, 滑らかな結節変位を計算する最適化に基づく手法を開発した。 我々はさらに、これらの物理的に一貫したDIC測定から異種物質モデリングにデータ駆動ワークフローをデプロイする。
• 参考スコア（独自算出の注目度）: 9.296791365067628
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this work, we present a novel approach to process the DIC measurements of multiple biaxial stretching protocols. In particular, we develop a optimization-based approach, which calculates the smoothed nodal displacements using a moving least-squares algorithm subject to positive strain constraints. As such, physically consistent displacement and strain fields are obtained. Then, we further deploy a data-driven workflow to heterogeneous material modeling from these physically consistent DIC measurements, by estimating a nonlocal constitutive law together with the material microstructure. To demonstrate the applicability of our approach, we apply it in learning a material model and fiber orientation field from DIC measurements of a porcine tricuspid valve anterior leaflet. Our results demonstrate that the proposed DIC data processing approach can significantly improve the accuracy of modeling biological materials.
• Abstract（参考訳）: 本研究では,複数の二軸ストレッチプロトコルのDIC測定を行うための新しい手法を提案する。 特に、正のひずみ制約を受ける最小二乗法を用いて、滑らかな結節変位を計算する最適化に基づく手法を開発した。 これにより、物理的に一貫した変位とひずみ場が得られる。 さらに,非局所構成法則を材料ミクロ構造とともに推定することにより,これらの物理的に一貫したDIC測定から異種物質モデリングへのデータ駆動ワークフローの展開を行う。 本手法の適用性を実証するために,ブタ三尖弁前葉のDIC測定から材料モデルと繊維配向場を学習する。 提案したDICデータ処理手法は生体材料モデリングの精度を大幅に向上させることができることを示す。

関連論文リスト

• Optimization-Driven Statistical Models of Anatomies using Radial Basis Function Shape Representation [3.743399165184124]
  粒子に基づく形状モデリングは、解剖学の個体群における形状変数の定量化に一般的な手法である。 本稿では,従来の最適化手法を用いて,モデルの特徴をより正確に制御する手法を提案する。 本研究では,2つの実データに対する最先端手法の有効性を実証し,損失選択を実証的に正当化する。
  論文  参考訳（メタデータ） (2024-11-24T15:43:01Z)
• Data-free Weight Compress and Denoise for Large Language Models [96.68582094536032]
  パラメータ行列を圧縮する手法として,データフリーなジョイントランクk近似を提案する。 キャリブレーションデータなしで、元の性能の93.43%を維持しながら80%のパラメータのモデルプルーニングを実現する。
  論文  参考訳（メタデータ） (2024-02-26T05:51:47Z)
• Towards a unified nonlocal, peridynamics framework for the coarse-graining of molecular dynamics data with fractures [6.478834929962051]
  MD模擬材料破壊データセットからメソスケール連続体サロゲートとして周辺力学モデルを抽出する学習フレームワークを提案する。 我々の周辺力学シュロゲートモデルは、トレーニングと異なるグリッド解像度の予測タスクに利用できる。
  論文  参考訳（メタデータ） (2023-01-11T16:07:17Z)
• Physics-Informed Neural Networks for Material Model Calibration from Full-Field Displacement Data [0.0]
  本研究では,実環境下でのフルフィールド変位と大域力データからモデルのキャリブレーションを行うためのPINNを提案する。 拡張PINNは、実験的な1次元データと合成フルフィールド変位データの両方から材料パラメータを識別できることを実証した。
  論文  参考訳（メタデータ） (2022-12-15T11:01:32Z)
• Maximum Likelihood Learning of Unnormalized Models for Simulation-Based Inference [44.281860162298564]
  シミュレーションベース推論のための2つの合成確率法を提案する。 本研究では,シミュレータによって生成された合成データを用いて,条件付きエネルギーベースモデル(EBM)を学習する。 本研究は, カニの神経科学ネットワークのモデルに適用し, 各種合成データセット上での両手法の特性を実証する。
  論文  参考訳（メタデータ） (2022-10-26T14:38:24Z)
• A Physics-Guided Neural Operator Learning Approach to Model Biological Tissues from Digital Image Correlation Measurements [3.65211252467094]
  本稿では, 生体組織モデリングにおけるデータ駆動型相関について述べる。これは, 未知の負荷シナリオ下でのデジタル画像相関(DIC)測定に基づいて変位場を予測することを目的としている。 ブタ三尖弁リーフレット上の多軸延伸プロトコルのDIC変位追跡測定から材料データベースを構築した。 材料応答は、負荷から結果の変位場への解演算子としてモデル化され、材料特性はデータから暗黙的に学習され、自然にネットワークパラメータに埋め込まれる。
  論文  参考訳（メタデータ） (2022-04-01T04:56:41Z)
• Extension of Dynamic Mode Decomposition for dynamic systems with incomplete information based on t-model of optimal prediction [69.81996031777717]
  動的モード分解は、動的データを研究するための非常に効率的な手法であることが証明された。 このアプローチの適用は、利用可能なデータが不完全である場合に問題となる。 本稿では,森-Zwanzig分解の1次近似を考察し,対応する最適化問題を記述し,勾配に基づく最適化法を用いて解く。
  論文  参考訳（メタデータ） (2022-02-23T11:23:59Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• A data-driven peridynamic continuum model for upscaling molecular dynamics [3.1196544696082613]
  分子動力学データから最適線形ペリダイナミックソリッドモデルを抽出する学習フレームワークを提案する。 我々は,符号変化の影響関数を持つ離散化LPSモデルに対して,十分な適切な正当性条件を提供する。 このフレームワークは、結果のモデルが数学的に適切であり、物理的に一貫したものであり、トレーニング中に使用するものと異なる設定によく当てはまることを保証します。
  論文  参考訳（メタデータ） (2021-08-04T07:07:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。