一种基于深度学习的三维位错相互作用力的预测方法

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
一种基于深度学习的三维位错相互作用力的预测方法
申请号:CN202411070230
申请日期:2024-08-06
公开号:CN119046897B
公开日期:2025-10-10
类型:发明专利
摘要
本发明公开了一种基于深度学习的三维位错相互作用力的预测方法,属于核材料辐照损伤计算模拟应用技术领域;本发明提出一种基于深度学习的三维位错相互作用力的预测方法,基于开源软件生成可用的数据集,设计了数据预处理的标准化方法,有效消除了数据集里的量纲差异性;通过数据预处理、训练后,生成的回归模型预测位错段间的相互作用力是一种灵活、准确、计算效率更高的方法,将有效加速预测三维位错相互作用力,能够大幅提高离散位错动力学(DDD)在三维位错建模时的模拟效率。
技术关键词
神经网络模型 核材料辐照损伤 预测输出值 数据 材料剪切模量 非线性 材料泊松比 标准化方法 样本 学习算法 软件 参数 核心 矩阵 节点 作用力 棱柱
系统为您推荐了相关专利信息
动态预测方法 量子态 分布式共识 节点特征 分布式哈希
AI智能控制 抑尘系统 粉尘探测器 变频水泵 特征数据库
汇水区划分方法 地形特征提取 分类回归决策树 机器学习算法 样本
电网频率偏差 AGC控制器 控制智能体 模型预测控制方法 控制策略