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測

2023年12月26日，南極熊獲悉，美國伊利諾伊大學厄巴納-香檳分校（UIUC）的國家超級計算應用中心（NCSA）和格雷恩格工程學院的研究人員利用人工智能在應力預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（DeepONet）的實施上，旨在改善復雜幾何形狀中的應力響應預測，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。

應力解決方案比較、DeepONet 預測與材料非線性（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。該計劃促進了跨學科的合作，結(jié)合了機器學習和計算力學。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)絡訓練和生成訓練數(shù)據(jù)至關重要。

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《應用力學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）來編碼復雜的幾何形狀。這種方法標志著ResUNet首次在DeepONet架構(gòu)中的應用，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習方法，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的機械科學與工程教授IwonaJasiuk說道：“增材制造是一種革命性的制造技術，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)測至關重要�！�

這項研究不僅是人工智能應用的重大飛躍，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科專業(yè)知識和尖端技術的協(xié)同作用。