ترجمه فارسی مقاله یادگیری رفتار مواد سازگار با فیزیک بدون دانش قبلی
| عنوان مقاله به انگلیسی | Learning Physics-Consistent Material Behavior Without Prior Knowledge |
| عنوان مقاله به فارسی | یادگیری رفتار مواد سازگار با فیزیک بدون دانش قبلی |
| نویسندگان | Zhichao Han, Mohit Pundir, Olga Fink, David S. Kammer |
| فرمت مقاله انگلیسی | |
| تعداد صفحات | 30 |
| دسته بندی موضوعات | Materials Science,Machine Learning,علوم مواد , یادگیری ماشین , |
| توضیحات | Submitted 25 July, 2024; originally announced July 2024. |
| توضیحات به فارسی | ارسال شده 25 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد. |
قیمت: 19,000 تومان
دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله
با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحهای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.
قیمت: 99,000 تومان
سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله
با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحهای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.
قیمت: 1,200,000 تومان
زمان تحویل: 2 تا 3 روز کاری
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
چکیده
Accurately modeling the mechanical behavior of materials is crucial for numerous engineering applications. The quality of these models depends directly on the accuracy of the constitutive law that defines the stress-strain relation. Discovering these constitutive material laws remains a significant challenge, in particular when only material deformation data is available. To address this challenge, unsupervised machine learning methods have been proposed. However, existing approaches have several limitations: they either fail to ensure that the learned constitutive relations are consistent with physical principles, or they rely on a predefined library of constitutive relations or manually crafted input features. These dependencies require significant expertise and specialized domain knowledge. Here, we introduce a machine learning approach called uLED, which overcomes the limitations by using the input convex neural network (ICNN) as the surrogate constitutive model. We improve the optimization strategy for training ICNN, allowing it to be trained end-to-end using direct strain invariants as input across various materials. Furthermore, we utilize the nodal force equilibrium at the internal domain as the training objective, which enables us to learn the constitutive relation solely from temporal displacement recordings. We validate the effectiveness of the proposed method on a diverse range of material laws. We demonstrate that it is robust to a significant level of noise and that it converges to the ground truth with increasing data resolution. We also show that the model can be effectively trained using a displacement field from a subdomain of the test specimen and that the learned constitutive relation from one material sample is transferable to other samples with different geometries. The developed methodology provides an effective tool for discovering constitutive relations.
چکیده به فارسی (ترجمه ماشینی)
مدل سازی دقیق رفتار مکانیکی مواد برای بسیاری از برنامه های مهندسی بسیار مهم است.کیفیت این مدل ها به طور مستقیم به صحت قانون سازنده بستگی دارد که رابطه استرس را تعریف می کند.کشف این قوانین مادی سازنده همچنان یک چالش مهم است ، به ویژه هنگامی که فقط داده های تغییر شکل مواد در دسترس هستند.برای پرداختن به این چالش ، روشهای یادگیری دستگاه بدون نظارت ارائه شده است.با این حال ، رویکردهای موجود محدودیت های مختلفی دارند: آنها یا اطمینان حاصل نمی کنند که روابط سازنده آموخته شده با اصول فیزیکی سازگار است ، یا به یک کتابخانه از پیش تعریف شده از روابط سازنده یا ویژگی های ورودی دستی متکی هستند.این وابستگی ها به تخصص قابل توجهی و دانش دامنه تخصصی نیاز دارند.در اینجا ، ما یک رویکرد یادگیری ماشین به نام ULED را معرفی می کنیم که با استفاده از شبکه عصبی ورودی محدب (ICNN) به عنوان مدل سازنده جانشین بر محدودیت ها غلبه می کند.ما استراتژی بهینه سازی را برای آموزش ICNN بهبود می بخشیم ، و این امکان را می دهد تا با استفاده از متغیرهای کرنش مستقیم به عنوان ورودی در مواد مختلف ، به پایان برسد.علاوه بر این ، ما از تعادل نیروی گره در حوزه داخلی به عنوان هدف آموزش استفاده می کنیم ، که به ما امکان می دهد رابطه سازنده را صرفاً از ضبط های جابجایی زمانی بیاموزیم.ما اثربخشی روش پیشنهادی را در طیف متنوعی از قوانین مادی تأیید می کنیم.ما نشان می دهیم که در سطح قابل توجهی از سر و صدا قوی است و با افزایش وضوح داده به حقیقت زمین همگرا می شود.ما همچنین نشان می دهیم که این مدل با استفاده از یک میدان جابجایی از زیر دامنه نمونه آزمایش می تواند به طور مؤثر آموزش داده شود و رابطه سازنده آموخته شده از یک نمونه ماده به نمونه های دیگر با هندسه های مختلف قابل انتقال است.روش توسعه یافته ابزاری مؤثر برای کشف روابط سازنده فراهم می کند.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.