Resumen - Una red neuronal informada por la física para modelar fracturas sin daño de gradiente: formulación, aplicación y evaluación

Una red neuronal informada por la física para modelar fracturas sin daño de gradiente: formulación, aplicación y evaluación

2025-07-09 20:33:39

{"Aditya Konale","Vikas Srivastava"}

{cond-mat.soft}

Este documento presenta un marco de red neuronal informada por la física (PINN) para modelar la fractura en elastómeros sometidos a grandes deformaciones sin la formulación de daño por gradiente. El estudio subraya las limitaciones de los métodos tradicionales del método de elementos finitos (FEM), especialmente aquellos sin daño por gradiente, que sufren de dependencia de la malla y de inexactitudes. Por otro lado, los PINNs ofrecen una alternativa sin malla que codifica ecuaciones diferenciales parciales reguladoras, condiciones de borde y modelos constitutivos en las funciones de pérdida. Las contribuciones clave del documento son: 1. Un nuevo marco de PINN para modelar la fractura en elastómeros sin daño por gradiente, eliminando la necesidad de datos de entrenamiento y reduciendo la complejidad matemática y numérica. 2. Aplicación del PINN al fractura por gran deformación de elastómeros, un área previamente inexplorada en la literatura. 3. Validación de las capacidades predictivas del PINN utilizando soluciones de referencia del FEM con daño por gradiente, demostrando su efectividad para diversas configuraciones de defectos. 4. Evaluación del rendimiento del PINN mediante variaciones sistemáticas en los parámetros clave de la red neuronal, proporcionando insights y orientaciones para aplicaciones futuras. El estudio demuestra que el PINN puede predecir de manera precisa las trayectorias de grietas y la evolución del daño en los elastómeros sin necesidad de daño por gradiente, ofreciendo una estrategia de modelado computacional simplificada y eficiente para problemas de fractura. Las conclusiones sugieren que los enfoques basados en PINN pueden extenderse a una clase más amplia de materiales y modelos de daño en la mecánica.