AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：物理信息网络×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
6月10日
09:25
09:25arXiv cs.LG@Manuel Ricardo Guevara Garban, Yves Chemisky, Étienne Prulière, Michaël Clément, Martin Abendroth, Björn Kiefer
精选
该研究提出了一种结合长短期记忆网络（LSTM）和物理信息图神经网络（GNN）的框架，用于重建非线性、历史依赖载荷下异质微结构的局部应力场。LSTM 编码宏观应力-应变序列，捕捉路径依赖的本构响应；GNN 则重建每个时间步的空间应力场。通过引入带线性热启动的相对权重策略，平衡数据驱动重建损失和离散散度平衡惩罚，解决了弹塑性区域固定权重无法收敛的问题。模型在 10,000 条非比例加载路径上训练，比有限元仿真快三个数量级，且能泛化到两倍训练长度的加载序列，累积误差仅 1.9%。由于图依赖网格连通性而非具体单元类型，训练好的代理模型可直接应用于不同单元类型和粗细网格，无需重新训练。
论文LSTM图神经网络力学场重建多尺度仿真物理信息网络
推荐理由：做多尺度仿真和材料力学计算的团队，终于有了一个能同时处理时间依赖和空间应力场的高效替代方案——比有限元快 1000 倍，还能跨网格直接迁移，建议做结构分析的开发者点开看看。
原文
5月19日
11:02
11:02arXiv cs.LG@Robson W. S. Pessoa, Julien Amblard, Alessandra Russo, Idelfonso B. R. Nogueira
精选
UTOPYA是一个1520万参数的多模态框架，通过融合八种数据模态，解决了批处理过程中的异常检测难题。该框架采用特征线性调制（FiLM）条件跨模态注意力和门控融合，并引入物理信息正则化方案，强制时间平滑和热力学单调性。在119实验的多模态批处理蒸馏数据集上，UTOPYA在窗口级测试AUROC达到0.832，多信号实验级AUROC达到0.874，显著优于PCA、自编码器、孤立森林和LSTM自编码器等基线方法。消融实验表明，FiLM条件提供的静态上下文是关键因素，将实验级多信号AUROC从0.729提升至0.874。同时，研究揭示了实例归一化、Mixup、集成、测试时增强和随机权重平均等常用技术在此数据稀缺场景下反而会降低泛化性能。
论文异常检测多模态融合物理信息网络时间序列预测批处理过程
推荐理由：UTOPYA为工业过程监控提供了首个融合物理信息与多模态数据的端到端方案，做异常检测和过程控制的工程师可以直接参考其架构设计，尤其适合数据稀缺场景下的部署决策。
原文