期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
端到端机器学习代理模型构建及其在爆轰驱动问题中的应用
1
作者
柏劲松
刘洋
+1 位作者
陈翰
钟敏
《爆炸与冲击》
北大核心
2025年第5期19-30,共12页
人工智能/机器学习方法能够发现数据中隐藏的物理规律,构建状态参数与动态结果之间端到端的代理模型,可高效解决强耦合、非线性、多物理等复杂工程问题。在高度非线性的爆炸与冲击动力学领域,选择了一个经典的爆轰驱动问题作为研究对象...
人工智能/机器学习方法能够发现数据中隐藏的物理规律,构建状态参数与动态结果之间端到端的代理模型,可高效解决强耦合、非线性、多物理等复杂工程问题。在高度非线性的爆炸与冲击动力学领域,选择了一个经典的爆轰驱动问题作为研究对象,以数值模拟结果作为机器学习代理模型的训练数据,将正向模拟与逆向设计有机结合起来,基于深度神经网络技术,构建了特征位置速度剖面、材料动态变形与工程因素之间端到端的代理模型,给出了代理模型的计算精确度,验证了代理模型从速度剖面反演工程因素的能力。结果表明:端到端代理模型具有较高的预测能力,其预测的速度剖面与工程因素估计的相对误差均小于1%,可用于高度非线性的爆炸与冲击动力学问题的快速设计、高精度预测和敏捷迭代。
展开更多
关键词
计算爆炸力学
爆轰驱动
人工智能
机器学习
端到端代理模型
深度神经网络
在线阅读
下载PDF
职称材料
题名
端到端机器学习代理模型构建及其在爆轰驱动问题中的应用
1
作者
柏劲松
刘洋
陈翰
钟敏
机构
中国工程物理研究院流体物理研究所冲击波物理与爆轰物理全国重点实验室
出处
《爆炸与冲击》
北大核心
2025年第5期19-30,共12页
文摘
人工智能/机器学习方法能够发现数据中隐藏的物理规律,构建状态参数与动态结果之间端到端的代理模型,可高效解决强耦合、非线性、多物理等复杂工程问题。在高度非线性的爆炸与冲击动力学领域,选择了一个经典的爆轰驱动问题作为研究对象,以数值模拟结果作为机器学习代理模型的训练数据,将正向模拟与逆向设计有机结合起来,基于深度神经网络技术,构建了特征位置速度剖面、材料动态变形与工程因素之间端到端的代理模型,给出了代理模型的计算精确度,验证了代理模型从速度剖面反演工程因素的能力。结果表明:端到端代理模型具有较高的预测能力,其预测的速度剖面与工程因素估计的相对误差均小于1%,可用于高度非线性的爆炸与冲击动力学问题的快速设计、高精度预测和敏捷迭代。
关键词
计算爆炸力学
爆轰驱动
人工智能
机器学习
端到端代理模型
深度神经网络
Keywords
computational explosion mechanics
detonation drive
artificial intelligence
machine learning
end-to-end surrogate model
deep neural network
分类号
O389 [理学—流体力学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
端到端机器学习代理模型构建及其在爆轰驱动问题中的应用
柏劲松
刘洋
陈翰
钟敏
《爆炸与冲击》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
