本論文は、固体力学における構成則モデリングの分野で提案されているデータ駆動型アプローチについて包括的に概説している。
まず、データ駆動型アプローチを大きく2つのカテゴリーに分類している。1つは機械学習ベースの手法で、解釈可能なモデルと解釈不可能なモデルに細分化される。もう1つは物理モデルフリーの手法である。
機械学習ベースの手法では、記号的回帰や疎回帰といった解釈可能なアプローチと、ニューラルネットワークなどの解釈不可能なアプローチが紹介されている。前者は物理的な意味付けが可能な解析的な構成則を導出するのに対し、後者は入出力の関係性を学習するブラックボックスモデルである。
一方、物理モデルフリーの手法は、材料挙動の離散的な観測データを直接的に力学問題の解に反映させる手法である。これにより、構成則の仮定を最小限に抑えることができるが、一般化性に課題がある。
さらに、データサンプリング手法、実験設計、検証・妥当性確認などの重要な側面についても議論されている。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Jan Niklas F... at arxiv.org 05-07-2024
https://arxiv.org/pdf/2405.03658.pdfDeeper Inquiries