이 연구는 생물 조직의 복잡한 기계적 응답과 이질적 미세 구조를 동시에 모델링하는 새로운 데이터 기반 접근법을 제안한다.
주요 내용은 다음과 같다:
페리다이나믹 이론을 기반으로 한 신경 연산자 모델인 HeteroPNO를 개발하였다. HeteroPNO는 위치 의존적 섬유 배향을 포함하는 비국소 구성 법칙을 학습할 수 있다.
두 단계의 학습 알고리즘을 제안하였다. 첫째, 균질 PNO 모델을 학습하여 커널 함수와 구성 법칙을 포착한다. 둘째, 섬유 배향 필드를 추가로 학습한다.
합성 데이터와 생물 조직 디지털 이미지 상관관계 데이터에 HeteroPNO를 적용하여 검증하였다. 이를 통해 HeteroPNO가 구성 법칙과 미세 구조를 정확하게 학습할 수 있음을 보였다.
학습된 HeteroPNO 모델은 새로운 하중 조건에서의 변위 및 응력 필드 예측에 활용될 수 있다.
To Another Language
from source content
arxiv.org
Дополнительные вопросы