14851

استفاده از روش‌هاي يادگيري ماشين فيزيك‌آگاه در مكانيك شكست

1403

دكتر مجيدرضا آيت اللهي

با توجه به پيچيدگي مدل‌سازي و هزينه بالاي محاسباتي، كه به دليل نياز به پردازش‌هاي سنگين و زمان‌بر ايجاد مي‌شود، روش اجزاي محدود گاهي دقت كافي نداشته و در برخي موارد كارايي لازم را ارائه نمي‌دهد. علاوه بر اين، ساده‌سازي پديده‌هاي طبيعي در فرايند مدل‌سازي مي‌تواند منجر به كاهش دقت نتايج شود. در سال‌هاي اخير، با پيشرفت هوش مصنوعي و شبكه‌هاي عصبي، اين روش‌ها به‌عنوان رويكردي نوين براي انجام محاسبات در حوزه‌هاي مهندسي مورد توجه قرار گرفته‌اند. با وجود پتانسيل بالاي اين فناوري‌ها، چالش‌هايي همچون محدوديت داده‌هاي تجربي و نويزي بودن آن‌ها مي‌تواند عملكرد اين روش‌ها را تحت تأثير قرار دهد كه اين مشكل باعث ظهور ايده هوش مصنوعي فيزيك-پايه شده است. به‌ويژه در حوزه‌هاي مكانيك جامدات و مكانيك شكست، استفاده از هوش مصنوعي فيزيك-پايه همچنان در حال توسعه است و تحقيقات گسترده‌اي در اين زمينه در حال انجام است. در اين سمينار، مروري بر پژوهش‌هاي صورت‌گرفته در اين حوزه ارائه شده و چالش‌هاي اساسي و خلأهاي تحقيقاتي موجود بررسي مي‌شوند. در نهايت، پيشنهاداتي براي توسعه و بهبود روش‌هاي مبتني بر هوش مصنوعي در اين زمينه ارائه خواهد شد.

6/3/2024 12:00:00 AM

86962

1404/04/31

Application of physics-based machine learning methods in fracture mechanics

هوش مصنوعي فيزيك-پايه , شبكه عصبي , مكانيك شكست