深度学习代理模型在竞争强度约束下优化多晶铜微结构,使层裂强度提升最高约29%且预测误差低于3%
该工作构建了一个深度学习驱动的多晶微结构优化框架:用3D U-Net代理模型将多晶铜微结构直接映射到平板撞击模拟的全场速度历史,并结合随机微结构生成与无导数优化,在屈服强度约束下最大化层裂强度,最优设计使层裂强度最高提升约29%,经CPFE验证预测误差低于3%,累计评估时间较直接CPFE优化降低约四个数量级。
该工作构建了一个深度学习驱动的多晶微结构优化框架:用3D U-Net代理模型将多晶铜微结构直接映射到平板撞击模拟的全场速度历史,并结合随机微结构生成与无导数优化,在屈服强度约束下最大化层裂强度,最优设计使层裂强度最高提升约29%,经CPFE验证预测误差低于3%,累计评估时间较直接CPFE优化降低约四个数量级。
已读完全部报道