11:12arXiv cs.LG@Benjamin Alheit, Siddhant Kumar, Mathias Peirlinck本文提出CANN-EUCLID方法,结合可解释的本构人工神经网络(CANN)与无应力监督的全场发现框架EUCLID,从位移场和反作用力中识别稀疏超弹性定律。在各项同性和各向异性基准测试中,当真实法则可由所选CANN基表示时,方法以近乎精确的精度恢复正确项,包括带嵌入参数的指数项。当基不包含真实法则时,方法保留共享项并使用可用基函数近似缺失贡献。泛化能力强烈依赖于采样的变形状态,指数应变硬化项在充分探测时可准确恢复,但在硬化区域外插时会产生较大误差。正向FE验证仿真表明,发现的行为准确复现了真实法则。论文CANNEUCLID无监督学习本构模型发现全场数据推荐理由:论文提出无需应力的本构模型发现新方法原文