On Surrogate Modeling of Static Response of AM Short-Fiber Thermoplastics Using Graph Neural Networks
Este artículo propone un modelo sustituto híbrido de Redes Neuronales de Grafos y Memoria a Corto y Largo Plazo (GNN-LSTM) informado por la física que predice de manera precisa y eficiente el comportamiento mecánico no lineal de compuestos termoplásticos de fibra corta fabricados mediante adición, al codificar la topología microestructural y la evolución del daño, superando así las limitaciones computacionales del análisis de elementos finitos tradicional para el desarrollo de gemelos digitales.