超缩减加速有限元模型更新发现神经材料

2026年10月23日，arXiv Artificial Intelligence 刊出 Hagen Holthusen 等作者的论文，提出将本征正交分解与能量守恒采样加权结合，缩减有限元模型更新中的伴随灵敏度，并沿优化路径自适应调整试探空间与采样单元，从而在训练神经材料时保持有限元模型更新的精度。报道给出的算例显示：双相试样训练时间由9小时降至41分钟；三维算例仅用6个模态替代48672个自由度、116个单元（共15625个）即可评估内力，训练耗时13分钟。作者称超缩减使从结构数据发现神经材料变得可负担，同时保留有限元模型更新的优势。目前进展限于论文发表与上述算例结果，尚无独立复现或应用报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。