Scientific machine learning for coarse-grained constitutive models
González, D. (Universidad de Zaragoza) ; Chinesta, F. ; Cueto, E. (Universidad de Zaragoza)
Resumen: We present here a review on some of our latest works concerning the development of thermodynamics-aware machine learning strategies for the data-driven construction of constitutive models. We suggest a methodology constructed upon three main ingredients. (i) the employ of manifold learning strategies to unveil the true dimensionality of data, thus pointing out the need for the definition of “internal” variables, different of the experimental ones. (ii) the process will be described by the so-called General Equation for the Non-Equilibrium Reversible-Irreversible Coupling (GENERIC). (iii) the precise form of the GENERIC terms will be unveiled by regression of data.
Idioma: Inglés
DOI: 10.1016/j.promfg.2020.04.211
Año: 2020
Publicado en: Procedia Manufacturing 47 (2020), 693-695
ISSN: 2351-9789
Factor impacto SCIMAGO: 0.504 - Industrial and Manufacturing Engineering (Q2) - Artificial Intelligence (Q2)
Tipo y forma: Artículo (Versión definitiva)
Área (Departamento): Área Mec.Med.Cont. y Teor.Est. (Dpto. Ingeniería Mecánica)
Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace. No puede utilizar el material para una finalidad comercial. Si remezcla, transforma o crea a partir del material, no puede difundir el material modificado.
Exportado de SIDERAL (2023-09-13-10:51:50)
Visitas y descargas
Idioma: Inglés
DOI: 10.1016/j.promfg.2020.04.211
Año: 2020
Publicado en: Procedia Manufacturing 47 (2020), 693-695
ISSN: 2351-9789
Factor impacto SCIMAGO: 0.504 - Industrial and Manufacturing Engineering (Q2) - Artificial Intelligence (Q2)
Tipo y forma: Artículo (Versión definitiva)
Área (Departamento): Área Mec.Med.Cont. y Teor.Est. (Dpto. Ingeniería Mecánica)
Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace. No puede utilizar el material para una finalidad comercial. Si remezcla, transforma o crea a partir del material, no puede difundir el material modificado.Exportado de SIDERAL (2023-09-13-10:51:50)
Enlace permanente:
Visitas y descargas
Este artículo se encuentra en las siguientes colecciones:
Artículos
Registro creado el 2020-06-25, última modificación el 2023-09-14