論文の概要: Learning Physics-Informed Surrogate Model of Linear Elastic Displacement Fields from Geometry

• arxiv url: http://arxiv.org/abs/2607.09382v1
• Date: Fri, 10 Jul 2026 13:04:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 14:47:12.844458
• Title: Learning Physics-Informed Surrogate Model of Linear Elastic Displacement Fields from Geometry
• Title（参考訳）: 幾何学による線形弾性変位場の物理インフォームド・サロゲートモデルの学習
• Authors: Rodolphe Barlogis, Ferhat Tamssaouet, Quentin Falcoz, Stéphane Grieu,
• Abstract要約: 本研究の目的は、破壊された弾性ドメインのリアルタイム構造的健康モニタリングのための高速で物理的に一貫したサロゲートモデルを開発することである。 境界条件とフラクチャー幾何学の両方から変位場を予測する物理インフォームドDeepONetフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This work aims to develop a fast and physically consistent surrogate model for real-time structural health monitoring of fractured elastic domains. We propose a physics-informed DeepONet framework that predicts displacement fields from both boundary conditions and fracture geometry, using a dedicated encoding strategy for the latter and without relying on finite-element-generated training data. The traction-free condition on the fracture boundary is imposed weakly through a localized penalty term. The presented numerical example focuses on one representative fracture geometry, demonstrating the feasibility of the formulation and laying the groundwork for extensions to surrogate modeling across diverse fracture geometries.
• Abstract（参考訳）: 本研究の目的は、破壊された弾性ドメインのリアルタイム構造的健康モニタリングのための高速で物理的に一貫したサロゲートモデルを開発することである。 本稿では,境界条件とフラクチャー幾何学の両方から変位場を予測する物理インフォームドDeepONetフレームワークを提案する。 フラクチャー境界上のトラクションフリー条件は、局所的なペナルティ項によって弱められる。 上述の数値例は1つの代表的なフラクチャー幾何学に焦点をあて、定式化の実現可能性を示し、多様なフラクチャー・ジオメトリーをまたがってモデリングを代理する拡張のための基礎を築き上げている。

関連論文リスト

• A Mean Curvature Approach to Boundary Detection: Geometric Insights for Unsupervised Learning [52.452902154360565]
  本稿では,幾何学的機械学習に基づく新しい幾何学的フレームワークであるMean Curvature Boundary Points (MCBP)を紹介する。 MCBPはデータ多様体の固有曲率を明示的にモデル化し、原理化された多様体のパラメトリゼーションを必要としない点平均曲率を計算する。 合成および実世界のデータセットの実験により、MCBPはクラスタリング性能を一貫して改善することを示した。
  論文  参考訳（メタデータ） (2026-05-05T20:19:09Z)
• Structure-Preserving Learning Improves Geometry Generalization in Neural PDEs [7.60216127875876]
  データ駆動有限要素法である一般幾何ニューラルホイットニー形式(Geo-NeW)を導入する。 いくつかの定常PDEベンチマークで最先端性能を実証し、分布外測地における従来のベースラインよりも大幅に改善した。
  論文  参考訳（メタデータ） (2026-02-02T20:45:07Z)
• SIGMA: Scalable Spectral Insights for LLM Collapse [51.863164847253366]
  SIGMA(Spectral Inequalities for Gram Matrix Analysis)は,モデル崩壊のための統一的なフレームワークである。 行列のスペクトル上の決定論的境界を導出するベンチマークを利用することで、SIGMAは表現空間の収縮を追跡するために数学的に基底化された計量を提供する。 我々は、SIGMAが状態への遷移を効果的に捉え、崩壊のメカニズムに関する理論的知見の両方を提供することを示した。
  論文  参考訳（メタデータ） (2026-01-06T19:47:11Z)
• A spatiotemporal deep learning framework for prediction of crack dynamics in heterogeneous solids: efficient mapping of concrete microstructures to its fracture properties [0.0]
  深層学習フレームワークは, コンクリートメソ構造中のフラクチャーの2次元フルフィールド予測を行うことができる。 メソ構造の平均応力-ひずみ曲線を予測できる畳み込みニューラルネットワークを開発した。 UNetモデリングフレームワークは、スキップ接続を持つエンコーダ-デコーダセクションで構成され、ディープラーニングサロゲートモデルとして使用される。
  論文  参考訳（メタデータ） (2024-07-22T14:28:46Z)
• ReshapeIT: Reliable Shape Interaction with Implicit Template for Anatomical Structure Reconstruction [59.971808117043366]
  ReShapeITは、同じカテゴリ内で共有される暗黙のテンプレートフィールドを持つ解剖学的構造を表す。 これにより、インスタンス形状とテンプレート形状との対応性の制約を強化することにより、暗黙テンプレートフィールドが有効なテンプレートを生成する。 テンプレートインタラクションモジュールは、有効なテンプレートシェイプとインスタンスワイドの潜在コードとを相互作用することで、目に見えないシェイプを再構築するために導入される。
  論文  参考訳（メタデータ） (2023-12-11T07:09:32Z)
• DeepFracture: A Generative Approach for Predicting Brittle Fractures with Neural Discrete Representation Learning [2.3421955132793166]
  本稿では,実行時の衝突動力学に基づくフラクチャー形状予測のための新しい学習手法を提案する。 本手法は, 現実的な脆性破壊アニメーションと剛性体シミュレーションをシームレスに統合し, 境界要素法(BEM)の脆性破壊シミュレーションを用いてトレーニングデータを生成する。
  論文  参考訳（メタデータ） (2023-10-20T08:15:13Z)
• 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)
• A Computationally Tractable Framework for Nonlinear Dynamic Multiscale Modeling of Membrane Fabric [0.0]
  このフレームワークは、周期的サブスケール構造の局所化部分を有限要素を用いてモデル化する「有限要素二乗」(または FE2)法の一般化である。 この枠組みは、織布製のパラシュートキャノピーの超音速インフレーションを含む現実的な火星着陸アプリケーションとして実証され、検証されている。
  論文  参考訳（メタデータ） (2020-07-12T00:05:11Z)

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。