論文の概要: A Comparison of Surrogate Constitutive Models for Viscoplastic Creep Simulation of HT-9 Steel

• arxiv url: http://arxiv.org/abs/2509.22667v1
• Date: Fri, 05 Sep 2025 19:36:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 05:29:07.775724
• Title: A Comparison of Surrogate Constitutive Models for Viscoplastic Creep Simulation of HT-9 Steel
• Title（参考訳）: HT-9鋼の粘塑性クリープシミュレーションにおけるサロゲート構成モデルの比較
• Authors: Pieterjan Robbe, Andre Ruybalid, Arun Hegde, Christophe Bonneville, Habib N Najm, Laurent Capolungo, Cosmin Safta,
• Abstract要約: データから関係を直接学習するデータ駆動サロゲートモデルは、有望なソリューションとして現れている。 鋼の粘塑性応答に対する2つのサロゲートモデルを開発した。 代理モデルがHT-9鋼のクリープシミュレーションに適用された。
• 参考スコア（独自算出の注目度）: 0.4104352271917983
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mechanistic microstructure-informed constitutive models for the mechanical response of polycrystals are a cornerstone of computational materials science. However, as these models become increasingly more complex - often involving coupled differential equations describing the effect of specific deformation modes - their associated computational costs can become prohibitive, particularly in optimization or uncertainty quantification tasks that require numerous model evaluations. To address this challenge, surrogate constitutive models that balance accuracy and computational efficiency are highly desirable. Data-driven surrogate models, that learn the constitutive relation directly from data, have emerged as a promising solution. In this work, we develop two local surrogate models for the viscoplastic response of a steel: a piecewise response surface method and a mixture of experts model. These surrogates are designed to adapt to complex material behavior, which may vary with material parameters or operating conditions. The surrogate constitutive models are applied to creep simulations of HT-9 steel, an alloy of considerable interest to the nuclear energy sector due to its high tolerance to radiation damage, using training data generated from viscoplastic self-consistent (VPSC) simulations. We define a set of test metrics to numerically assess the accuracy of our surrogate models for predicting viscoplastic material behavior, and show that the mixture of experts model outperforms the piecewise response surface method in terms of accuracy.
• Abstract（参考訳）: 多結晶の機械的応答に関する機械的ミクロ構造インフォームド構成モデルは、計算材料科学の基盤となっている。 しかしながら、これらのモデルがより複雑になるにつれて、しばしば特定の変形モードの効果を記述する結合微分方程式が関与するようになり、それらの関連する計算コストは、特に多くのモデル評価を必要とする最適化や不確実な定量化タスクにおいて禁止される。 この課題に対処するためには、精度と計算効率のバランスをとる構成モデルが非常に望ましい。 データから構成的関係を直接学習するデータ駆動サロゲートモデルは、有望なソリューションとして現れている。 本研究では, 鋼の粘塑性応答に対する局所的な2つのサロゲートモデル, 片方向応答面法とエキスパートモデルの混合について述べる。 これらのサロゲートは、物質パラメータや操作条件によって変化する複雑な物質挙動に適応するように設計されている。 HT-9鋼のクリープシミュレーションには, 粘塑性自己持続(VPSC)シミュレーションから生成したトレーニングデータを用いて, 放射線損傷に対する耐性が高いため, 核エネルギーセクターにかなりの関心を抱く合金である。 本研究では, 粘塑性物質挙動を予測するための代理モデルの精度を数値的に評価する試験指標を定義し, 精度の観点から, 専門家の混合モデルが片方向応答面法よりも優れていることを示す。

関連論文リスト

• Modèles de Substitution pour les Modèles à base d'Agents : Enjeux, Méthodes et Applications [0.0]
  エージェントベースモデル(ABM)は、局所的な相互作用から生じる創発的な現象を研究するために広く用いられている。 ABMの複雑さは、リアルタイム意思決定と大規模シナリオ分析の可能性を制限する。 これらの制限に対処するため、サロゲートモデルはスパースシミュレーションデータから近似を学習することで効率的な代替手段を提供する。
  論文  参考訳（メタデータ） (2025-05-17T08:55:33Z)
• Machine learning surrogate models of many-body dispersion interactions in polymer melts [40.83978401377059]
  本稿では,高分子融液中のMBD力を予測するための機械学習サロゲートモデルを提案する。 我々のモデルは、最も関連する原子結合を選択的に保持する、トリミングされたSchNetアーキテクチャに基づいている。 高計算効率で特徴付けられるサロゲートモデルにより、大規模な分子シミュレーションにMBD効果を実践的に組み込むことが可能となる。
  論文  参考訳（メタデータ） (2025-03-19T12:15:35Z)
• Scalable Diffusion for Materials Generation [99.71001883652211]
  我々は任意の結晶構造(ユニマット)を表現できる統一された結晶表現を開発する。 UniMatはより大型で複雑な化学系から高忠実度結晶構造を生成することができる。 材料の生成モデルを評価するための追加指標を提案する。
  論文  参考訳（メタデータ） (2023-10-18T15:49:39Z)
• Discovering Interpretable Physical Models using Symbolic Regression and Discrete Exterior Calculus [55.2480439325792]
  本稿では,記号回帰(SR)と離散指数計算(DEC)を組み合わせて物理モデルの自動発見を行うフレームワークを提案する。 DECは、SRの物理問題への最先端の応用を越えている、場の理論の離散的な類似に対して、ビルディングブロックを提供する。 実験データから連続体物理の3つのモデルを再発見し,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-10-10T13:23:05Z)
• Conditional Generative Models for Simulation of EMG During Naturalistic Movements [45.698312905115955]
  本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。 本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
  論文  参考訳（メタデータ） (2022-11-03T14:49:02Z)
• Modular machine learning-based elastoplasticity: generalization in the context of limited data [0.0]
  エラスト塑性の定式化のモジュラリティに頼って,データの変動量に対処できるハイブリッドフレームワークについて論じる。 発見された物質モデルは、よく補間できるだけでなく、トレーニングデータの領域外から熱力学的に一貫した方法で正確な外挿を可能にする。
  論文  参考訳（メタデータ） (2022-10-15T17:35:23Z)
• Learning Deep Implicit Fourier Neural Operators (IFNOs) with Applications to Heterogeneous Material Modeling [3.9181541460605116]
  本稿では,従来のモデルを用いることなく,データ駆動モデルを用いて素材の応答を予測することを提案する。 材料応答は、負荷条件と結果の変位および/または損傷場の暗黙のマッピングを学習することによってモデル化される。 本稿では,超弾性材料,異方性材料,脆性材料など,いくつかの例について提案手法の性能を実証する。
  論文  参考訳（メタデータ） (2022-03-15T19:08:13Z)
• Model-data-driven constitutive responses: application to a multiscale computational framework [0.0]
  古典法則(モデルベース)、データ駆動補正コンポーネント、計算的マルチスケールアプローチを組み合わせたハイブリッド方法論が提示される。 非線形数値均質化法により得られた低スケールのデータを用いてモデルベース材料表現を局所的に改善する。 提案手法では,モデルとデータの両方が基本的な役割を担い,物理に基づく応答と機械学習のブラックボックスの相乗的統合を実現する。
  論文  参考訳（メタデータ） (2021-04-06T16:34:46Z)
• Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
  我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。 このようなモデルをリアルタイム診断に利用しています。
  論文  参考訳（メタデータ） (2020-03-04T00:44:57Z)

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。