NCSA Delta 系統(tǒng)利用人工智能對增材制造過程壓力演變進行預(yù)測

2023年12月26日，南極熊獲悉，美國伊利諾伊大學(xué)厄巴納-香檳分校（UIUC）的國家超級計算應(yīng)用中心（NCSA）和格雷恩格工程學(xué)院的研究人員利用人工智能在應(yīng)力預(yù)測研究方面取得了進展。他們的工作集中在深度操作網(wǎng)絡(luò)（DeepONet）的實施上，旨在改善復(fù)雜幾何形狀中的應(yīng)力響應(yīng)預(yù)測，比如增材制造零部件。利用NCSA的Delta系統(tǒng)，他們?nèi)〉昧伺c傳統(tǒng)有限元方法相比明顯更快的結(jié)果。

應(yīng)力解決方案比較、DeepONet 預(yù)測與材料非線性（塑料）有限元 (FE) 解決方案。（圖片來源：UIUC）

團隊通過伊利諾伊計算（Illinois Computes）進行了他們的研究，這是一個提供廣泛計算和數(shù)據(jù)存儲資源的項目。該計劃促進了跨學(xué)科的合作，結(jié)合了機器學(xué)習(xí)和計算力學(xué)。著名的Delta系統(tǒng)以其高性能的GPU計算能力而聞名，對使用Abaqus軟件進行深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練和生成訓(xùn)練數(shù)據(jù)至關(guān)重要。

這項研究已經(jīng)產(chǎn)生了兩篇重要的出版物。首篇發(fā)表在《應(yīng)用力學(xué)和工程中的計算機方法》雜志上，介紹了一種新穎的DeepONet，使用殘差U-Net（ResUNet）來編碼復(fù)雜的幾何形狀。這種方法標志著ResUNet首次在DeepONet架構(gòu)中的應(yīng)用，展示出相對傳統(tǒng)方法具有更優(yōu)越的內(nèi)存效率和靈活性。該論文題為：“A physics-informed variational DeepONet for predicting crack path inquasi-brittle materials”，論文鏈接：https://www.sciencedirect.com/science/article/abs/pii/S004578252200010X

第二篇發(fā)表在《人工智能工程應(yīng)用》雜志上的論文描述了另一個創(chuàng)新的DeepONet版本，S-DeepONet。它利用先進的序貫學(xué)習(xí)方法，在不同的熱力和機械載荷下提供了更準確的多物理解決方案。該論文題為：“Sequential Deep Operator Networks (S-DeepONet) for predictingfull-field solutions under time-dependent loads”，論文鏈接：https://www.sciencedirect.com/science/article/abs/pii/S0952197623014422

UIUC的機械科學(xué)與工程教授IwonaJasiuk說道：“增材制造是一種革命性的制造技術(shù)，為其實施開啟了幾乎無限的可能性。DeepONet是一個強大而快速的計算工具，可以在各種空間和時間尺度上模擬增材制造過程。這樣的模擬對于更深入地理解增材制造過程及其實施和監(jiān)測至關(guān)重要�！�

這項研究不僅是人工智能應(yīng)用的重大飛躍，也對先進制造過程和數(shù)字孿生體的發(fā)展具有重要影響。NCSA和MechSE之間的合作突顯了跨學(xué)科專業(yè)知識和尖端技術(shù)的協(xié)同作用。