ترجمه فارسی مقاله یک روش نقطه مواد عصبی برای شبیه‌سازی‌های مبتنی بر ذرات

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی A Neural Material Point Method for Particle-based Simulations
عنوان مقاله به فارسی یک روش نقطه مواد عصبی برای شبیه‌سازی‌های مبتنی بر ذرات
نویسندگان Omer Rochman Sharabi, Sacha Lewin, Gilles Louppe
فرمت مقاله انگلیسی PDF
تعداد صفحات 26
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 28 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده 28 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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.

🎯 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

Mesh-free Lagrangian methods are widely used for simulating fluids, solids, and their complex interactions due to their ability to handle large deformations and topological changes. These physics simulators, however, require substantial computational resources for accurate simulations. To address these issues, deep learning emulators promise faster and scalable simulations, yet they often remain expensive and difficult to train, limiting their practical use. Inspired by the Material Point Method (MPM), we present NeuralMPM, a neural emulation framework for particle-based simulations. NeuralMPM interpolates Lagrangian particles onto a fixed-size grid, computes updates on grid nodes using image-to-image neural networks, and interpolates back to the particles. Similarly to MPM, NeuralMPM benefits from the regular voxelized representation to simplify the computation of the state dynamics, while avoiding the drawbacks of mesh-based Eulerian methods. We demonstrate the advantages of NeuralMPM on several datasets, including fluid dynamics and fluid-solid interactions. Compared to existing methods, NeuralMPM reduces training times from days to hours, while achieving comparable or superior long-term accuracy, making it a promising approach for practical forward and inverse problems. A project page is available at https://neuralmpm.isach.be

چکیده به فارسی (ترجمه ماشینی)

روشهای لاگرانژی بدون مش برای شبیه سازی مایعات ، مواد جامد و تعامل پیچیده آنها به دلیل توانایی آنها در انجام تغییر شکل های بزرگ و تغییرات توپولوژیکی مورد استفاده قرار می گیرد.با این حال ، این شبیه سازهای فیزیک برای شبیه سازی دقیق به منابع محاسباتی قابل توجهی نیاز دارند.برای پرداختن به این موضوعات ، شبیه سازهای یادگیری عمیق نوید شبیه سازی های سریعتر و مقیاس پذیر را می دهند ، اما آموزش آنها اغلب گران و دشوار است و استفاده از عملی آنها را محدود می کند.با الهام از روش نقطه نقطه (MPM) ، ما NeuralMPM ، یک چارچوب شبیه سازی عصبی برای شبیه سازی های مبتنی بر ذرات را ارائه می دهیم.NeuralMPM ذرات Lagrangian را بر روی یک شبکه با اندازه ثابت درون یابی می کند ، به روزرسانی های گره های شبکه را با استفاده از شبکه های عصبی تصویر به تصویر محاسبه می کند و به ذرات باز می گردد.به طور مشابه با MPM ، NeuralMPM از بازنمایی منظم وکسلیزه برای ساده سازی محاسبه پویایی حالت ، ضمن جلوگیری از اشکال روشهای اوولری مبتنی بر مش ، سود می برد.ما مزایای NeuralMPM را در چندین مجموعه داده ، از جمله دینامیک سیال و فعل و انفعالات جامد سیال نشان می دهیم.در مقایسه با روشهای موجود ، NeuralMPM زمان آموزش را از روزها به ساعت ها کاهش می دهد ، ضمن دستیابی به دقت بلند مدت قابل مقایسه یا برتر ، و آن را به یک رویکرد امیدوارکننده برای مشکلات عملی رو به جلو و معکوس تبدیل می کند.یک صفحه پروژه در https://neuralmpm.isach.be در دسترس است

📚 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.

🎯 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.