美國國家超級(jí)計(jì)算應(yīng)用中心（NCSA）和伊利諾伊大學(xué)厄巴納-香檳分校（UIUC）格雷格工程學(xué)院的研究人員利用人工智能在應(yīng)力預(yù)測研究方面取得了長足進(jìn)步。他們的工作側(cè)重于深度運(yùn)算器網(wǎng)絡(luò)（DeepONet）的實(shí)現(xiàn)，旨在改進(jìn)復(fù)雜幾何形狀（如增材制造中的幾何形狀）中的應(yīng)力響應(yīng)預(yù)測。與傳統(tǒng)的有限元方法相比，他們利用 NCSA 的 Delta 系統(tǒng)取得了明顯更快的結(jié)果。

該團(tuán)隊(duì)通過伊利諾伊計(jì)算項(xiàng)目（Illinois Computes）開展研究，該項(xiàng)目提供廣泛的計(jì)算和數(shù)據(jù)存儲(chǔ)資源。這項(xiàng)計(jì)劃促進(jìn)了各學(xué)科之間的合作，將機(jī)器學(xué)習(xí)和計(jì)算力學(xué)結(jié)合在了一起。Delta系統(tǒng)以其高性能GPU計(jì)算能力而聞名，在使用Abaqus軟件訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)和生成訓(xùn)練數(shù)據(jù)方面發(fā)揮了至關(guān)重要的作用。

這項(xiàng)研究發(fā)表了兩篇重要文章。第一篇發(fā)表在 "應(yīng)用力學(xué)與工程中的計(jì)算機(jī)方法 "上，介紹了一種使用殘余U網(wǎng)（ResUNet）對(duì)復(fù)雜幾何形狀進(jìn)行編碼的新型DeepONet。這種方法標(biāo)志著 ResUNet 在 DeepONet 架構(gòu)中的首次應(yīng)用，展示了優(yōu)于傳統(tǒng)方法的內(nèi)存效率和靈活性。

第二篇論文發(fā)表在《人工智能的工程應(yīng)用》（Engineering Applications of Artificial Intelligence）上，介紹了另一種創(chuàng)新的 DeepONet 版本--S-DeepONet。它利用先進(jìn)的順序?qū)W習(xí)方法，在不同熱負(fù)荷和機(jī)械負(fù)荷下提供更高精度的多物理場解決方案。

"UIUC 機(jī)械科學(xué)與工程教授 Iwona Jasiuk 說："增材制造是一種革命性的制造技術(shù)，為其實(shí)施帶來了幾乎無限的可能性。

"DeepONet是一種強(qiáng)大而快速的計(jì)算工具，可以在各種空間和時(shí)間尺度上模擬增材制造過程。要深入了解增材制造過程及其實(shí)施和監(jiān)控，就需要進(jìn)行這樣的模擬。"

這項(xiàng)研究不僅是人工智能應(yīng)用領(lǐng)域的一次飛躍，而且對(duì)先進(jìn)制造工藝和數(shù)字雙胞胎的開發(fā)具有重要意義。NCSA與MechSE之間的合作努力凸顯了多學(xué)科專業(yè)知識(shí)和尖端技術(shù)的協(xié)同作用。