报告详情
  1. 活动首页
  2. 报告清单
  3. 报告详情
基于机器学习的颗粒过程高效仿真及逆向设计
编号：40 访问权限：仅限参会人 更新：2024-04-09 22:06:31 浏览：143次 口头报告

报告开始：暂无开始时间（Asia/Shanghai）

报告时间：暂无持续时间

所在会场：[暂无会议] [暂无会议段]

暂无文件

摘要
颗粒流动在许多工业过程和自然现象中起着关键作用，对于快速和精确的模拟提出了重大挑战。传统的模拟技术，尤其是使用离散元方法（DEM）的技术，对于工业过程计算量需求巨大。近期人工智能在各个科学工程领域的成功应用预示着一场变革性的转变，引发了利用机器学习进行颗粒流模拟的浓厚兴趣。在这项研究中，我们探讨了应用最先进的机器学习方法，如图神经网络（GNNs），学习颗粒之间的相互作用，并开发相应的简化模型，以高效地模拟颗粒流动。开发的方法减少了计算需求，并保持了在预测颗粒流特性方面的高精度。我们进一步探索了机器学习方法在液固搅拌槽和气固流化床的背景下的应用，展示了基于机器学习的代理模型在捕捉颗粒系统复杂动态的多功能性和潜力。
 
关键词
机器学习,图神经网络,反向优化,离散元,颗粒流
报告人
陈锡忠
上海交通大学

稿件作者
陈锡忠 上海交通大学
发表评论
验证码 看不清楚，更换一张
全部评论
重要日期

  • 会议日期

    05月31日

    2024

    至

    06月03日

    2024

  • 06月03日 2024

    摘要截稿日期

  • 06月03日 2024

    初稿截稿日期

  • 06月03日 2024

    注册截止日期

主办单位
中国力学学会
计算力学专业委员会
颗粒材料计算力学专业组
承办单位
河海大学
大连理工大学
中国颗粒学会
江苏省力学学会
联系方式
登录查看完整联系方式
历届会议
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询