[口头报告]基于机器学习的颗粒过程高效仿真及逆向设计

主办单位

河海大学

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

江苏省力学学会

中国颗粒学会颗粒计算专业委员会（筹）

承办单位

河海大学

蒙纳士大学

协办单位

东南大学

江西理工大学

东北大学

大连理工大学中白科研与创新中心

苏州科技大学

工业装备结构分析优化及CAE软件全国重点实验室

赞助机构

科力时代软件（大连）有限公司

曙光智算信息技术有限公司

北京并行科技有限公司

上海积鼎信息科技有限公司

重要日期

会议通知
2023 年 12 月，发布会议第一轮通知
摘要提交
2024 年 3 月 31 日前
全文提交
2024 年 4 月 30 日前
会议注册
2024 年 1 月 1 日起
会议时间
2024 年 5 月 31 日（星期五）报到
2024 年 6 月 1 日 - 3 日会议

基于机器学习的颗粒过程高效仿真及逆向设计

编号：40 稿件编号：113 访问权限：仅限参会人更新：2024-04-09 22:06:31 浏览：427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

所在会议：[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。

关键字

机器学习,图神经网络,反向优化,离散元,颗粒流