3DSolidFormer for high-resolution full-field prediction in three-dimensional linear elasticity
Dieses Paper stellt 3DSolidFormer vor, ein Transformer-basiertes Deep-Learning-Modell, das effizient hochauflösende Vollfeld-Verschiebungs-, Dehnungs- und Spannungsverteilungen in dreidimensionalen linearen elastischen Strukturen mit Millionen von Elementen in einem einzigen Vorwärtspass vorhersagt und dabei eine hohe Genauigkeit erreicht, während Verschiebungsvorgaben durch Konstruktion erfüllt werden.