ترجمه فارسی مقاله یک رویکرد POD-TANN برای مدل‌سازی چند مقیاسی مواد و استخراج عناصر ماکرو در ژئومکانیک

چکیده

This paper introduces a novel approach that combines Proper Orthogonal Decomposition (POD) with Thermodynamics-based Artificial Neural Networks (TANN) to capture the macroscopic behavior of complex inelastic systems and derive macroelements in geomechanics. The methodology leverages POD to extract macroscopic Internal State Variables (ISVs) from microscopic state information, thereby enriching the macroscopic state description used to train an energy potential network within the TANN framework. The thermodynamic consistency provided by TANN, combined with the hierarchical nature of POD, allows for accurate modeling of complex, non-linear material behavior and reliable macroscopic geomechanical systems responses. The effectiveness of this approach is validated through applications of increasing complexity, demonstrating its capability to handle various material behaviors and microstructural topologies. These applications include the homogenization of continuous inelastic representative unit cells (RUCs) and the derivation of a macroelement for a geotechnical system involving a monopile in a clay layer subjected to horizontal loading. The results indicate that the proposed POD-TANN methodology not only achieves high accuracy in reproducing stress-strain responses, but also significantly reduces computational costs, making it a practical tool for the multiscale modeling of heterogeneous inelastic systems, and the efficient derivation of macroelements for complex geomechanical problems.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک رویکرد جدید ارائه شده است که ترکیبی از تجزیه مناسب ارتوگونی (POD) با شبکه های عصبی مصنوعی مبتنی بر ترمودینامیک (TANN) برای گرفتن رفتار ماکروسکوپی سیستم های پیچیده پیچیده و به دست آوردن کلان در ژئومکانیک است.این روش از غلاف برای استخراج متغیرهای حالت داخلی ماکروسکوپی (ISV) از اطلاعات وضعیت میکروسکوپی استفاده می کند ، از این طریق توضیحات حالت ماکروسکوپی را که برای آموزش یک شبکه بالقوه انرژی در چارچوب TANN استفاده می شود ، غنی می کند.قوام ترمودینامیکی ارائه شده توسط TANN ، همراه با ماهیت سلسله مراتبی POD ، امکان مدل سازی دقیق رفتار پیچیده ، غیر خطی و پاسخ های سیستم های زمین ماکروسکوپی قابل اعتماد را فراهم می کند.اثربخشی این رویکرد از طریق کاربردهای افزایش پیچیدگی تأیید می شود و توانایی آن را برای رسیدگی به رفتارهای مختلف مادی و توپولوژی های ریزساختاری نشان می دهد.این برنامه ها شامل همگن سازی سلولهای واحد نماینده غیرقانونی مداوم (RUC) و مشتق یک کلان برای یک سیستم ژئوتکنیکی شامل یک انحصار در یک لایه رس در معرض بارگذاری افقی است.نتایج نشان می دهد که روش POD-TANN پیشنهادی نه تنها در تولید مثل پاسخ های استرس ، به دقت بالایی دست می یابد ، بلکه هزینه های محاسباتی را نیز به میزان قابل توجهی کاهش می دهد ، و آن را به یک ابزار عملی برای مدل سازی چند مقیاس سیستم های ناهمگن و مشتق کارآمد ماکروژیدها برای آن تبدیل می کند.مشکلات ژئومکانیکی پیچیده.