用于固体火箭发动机药柱应变场预测的 GrainGNet

Research Paper#Machine Learning, Solid Rocket Motor Design, Strain Field Prediction🔬 Research|分析: 2026年1月3日 18:49•
发布: 2025年12月29日 13:02
•
1分で読める
•ArXiv

分析

本文解决了固体火箭发动机设计中的一个关键问题：预测应变场以防止结构失效。 提出的 GrainGNet 提供了一种计算效率高且准确的替代方案，以替代昂贵的数值模拟和现有的替代模型。 自适应池化和特征融合技术是关键创新，可显着提高精度和效率，尤其是在高应变区域。 专注于实际应用（评估发动机结构安全性）使这项研究具有影响力。
引用 / 来源
查看原文
"GrainGNet reduces the mean squared error by 62.8% compared to the baseline graph U-Net model, with only a 5.2% increase in parameter count and an approximately sevenfold improvement in training efficiency."
A
ArXiv2025年12月29日 13:02
* 根据版权法第32条进行合法引用。
较旧

Uncertainty calibration for latent-variable regression models

较新

Bandwidth Selection of Density Estimators over Treespaces

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv