Chi tiết bài báo

Tóm tắt: Sự tích hợp của học máy (ML) và học sâu (DL) vào phân tích phần tử hữu hạn (FEA) đang trở thành xu hướng nổi bật, vừa giải quyết thách thức tính toán vừa mở ra những hướng nghiên cứu mới trong cơ học tính toán. Bài báo này trình bày một tổng quan toàn diện về vai trò của ML và DL trong việc nâng cao FEA ở các giai đoạn tiền xử lý, giải thuật và hậu xử lý. Các phương pháp như mô hình surrogate, mô hình vật liệu dựa trên dữ liệu và mạng thần kinh thông tin vật lý (PINN) được xác định là mang tính đột phá, có khả năng giảm chi phí tính toán, xử lý bất định và hỗ trợ phân tích ngược. Phần thảo luận so sánh giữa các phương pháp ML/DL và FEM truyền thống chỉ ra những ưu điểm và hạn chế. Định hướng tương lai bao gồm phát triển mô hình lai, khung định lượng bất định mạnh mẽ và bộ giải dựa trên dữ liệu hiệu năng cao. Kết quả nghiên cứu cho thấy ML và DL sẽ giữ vai trò then chốt trong quá trình phát triển thế hệ mới của cơ học tính toán