# A generalized dual potential for inelastic Constitutive Artificial Neural Networks: A JAX implementation at finite strains

### 저자

Hagen Holthusen, Kevin Linka, Ellen Kuhl, Tim Brepols

### 개요

본 논문은 비탄성 구성적 인공 신경망(iCANNs)을 위한 일반화된 이중 포텐셜 또는 유사 포텐셜 설계 방법론을 제시한다. 응력 불변량으로 표현되는 이 포텐셜은 큰 변형에 대해 열역학적 일관성을 본질적으로 만족한다. 이전 연구와 비교하여 새로운 포텐셜은 압력 민감성 비탄성을 포함한 더 광범위한 재료 거동을 포착한다.  논문에서는 유한 변형 비탄성을 위한 iCANNs의 기본 열역학적 틀을 재검토하고 볼록하고, 값이 0이며, 비음인 이중 포텐셜을 구성하기 위한 조건을 도출한다. 이러한 원리를 신경망에 포함하기 위해, 열역학적 준수를 사전에 보장하는 아키텍처 설계를 자세히 설명한다. 제안된 아키텍처의 성능과 한계를 평가하기 위해 점탄성 재료 거동을 연구하지만, 이 방법은 점탄성에 국한되지 않는다. 이러한 맥락에서 비탄성 재료를 발견하는 전략의 다양한 측면을 조사한다. 결과는 새로운 아키텍처가 해석 가능한 모델과 매개변수를 강력하게 발견하는 동시에 비탄성의 정도를 자율적으로 드러낸다는 것을 나타낸다. JAX로 구현된 iCANN 프레임워크는 [https://doi.org/10.5281/zenodo.14894687](https://doi.org/10.5281/zenodo.14894687) 에서 공개적으로 접근할 수 있다.

[A generalized dual potential for inelastic Constitutive Artificial Neural Networks: A JAX implementation at finite strains (Source code and data)](https://doi.org/10.5281/zenodo.14894687)

### 시사점, 한계점

- **시사점:**

    - 큰 변형에 대해 열역학적으로 일관된 일반화된 이중 포텐셜을 사용하여 비탄성 재료 거동을 모델링하는 새로운 방법 제시.

    - 압력 민감성 비탄성을 포함한 광범위한 재료 거동을 포착 가능.

    - 해석 가능한 모델과 매개변수를 강력하게 발견하고 비탄성의 정도를 자율적으로 드러냄.

    - JAX 기반의 공개 소스 코드 제공.

- **한계점:**

    - 점탄성 재료 거동 연구에 초점을 맞추었지만, 다른 유형의 비탄성 재료에 대한 일반화 가능성에 대한 추가 연구 필요.

    - 제안된 아키텍처의 성능 및 한계에 대한 더욱 포괄적인 평가 필요.

[PDF 보기](https://arxiv.org/pdf/2502.17490)

![https://i.imgur.com/SRWASOB.jpeg](https://i.imgur.com/SRWASOB.jpeg)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).