TỔNG QUAN VỀ ỨNG DỤNG HỌC MÁY VÀ HỌC SÂU TRONG PHÂN TÍCH PHẦN TỬ HỮU HẠN CHO MÔ HÌNH HÓA VÀ MÔ PHỎNG KẾT CẤU

Tóm tắt

Tóm tắt: Sự tích hợp của học máy (ML) và học sâu (DL) vào
phân tích phần tử hữu hạn (FEA) đang trở thành xu hướng
nổi bật, vừa giải quyết thách thức tính toán vừa mở ra những
hướng nghiên cứu mới trong cơ học tính toán. Bài báo này trình
bày một tổng quan toàn diện về vai trò của ML và DL trong việc
nâng cao FEA ở các giai đoạn tiền xử lý, giải thuật và hậu xử
lý. Các phương pháp như mô hình surrogate, mô hình vật liệu
dựa trên dữ liệu và mạng thần kinh thông tin vật lý (PINN) được
xác định là mang tính đột phá, có khả năng giảm chi phí tính
toán, xử lý bất định và hỗ trợ phân tích ngược. Phần thảo luận
so sánh giữa các phương pháp ML/DL và FEM truyền thống chỉ
ra những ưu điểm và hạn chế. Định hướng tương lai bao gồm
phát triển mô hình lai, khung định lượng bất định mạnh mẽ và
bộ giải dựa trên dữ liệu hiệu năng cao. Kết quả nghiên cứu cho
thấy ML và DL sẽ giữ vai trò then chốt trong quá trình phát triển
thế hệ mới của cơ học tính toán