检索结果-南通市图书馆

Graph neural network modeling of grain-scale anisotropic elastic behavior using simulated and measured microscale data

引用

npj Computational Materials 2022年第1期8卷 2471-2482页

作者： Darren C.Pagan calvin r.pash Austin r.Benson Matthew P.Kasemer Pennsylvania State University University ParkPA16802USA Cornell University IthacaNY14853USA University of Alabama TuscaloosaAL35487USA

Here we assess the applicability of graph neural networks(GNNs)for predicting the grain-scale elastic response of polycrystalline metallic *** GNN surrogate models,grain-averaged stresses during uniaxial elastic tension in low solvus high-refractory(LSHr)Ni Superalloy and Ti 7 wt%Al(Ti-7Al)are predicted as example face-centered cubic and hexagonal closed packed alloys,respectively.A transfer learning approach is taken in which GNN surrogate models are trained using crystal elasticity finite element method(CEFEM)simulations and then the trained surrogate models are used to predict the mechanical response of microstructures measured using high-energy X-ray diffraction microscopy(HEDM).The performance of using various microstructural and micromechanical descriptors for input nodal features to the GNNs is explored through comparisons to traditional mean-field theory predictions,reserved full-field CEFEM data,and measured far-field HEDM *** effects of elastic anisotropy on GNN model performance and outlooks for the extension of the framework are discussed.

关键词： grain neural behavior

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：