Physics-informed operator learning for transferable energy-dissipative microstructure dynamics
L'article présente PFNet, un cadre d'opérateurs neuronaux informés par la physique qui prédit efficacement et avec précision l'évolution de la microstructure à travers divers paramètres et systèmes de matériaux en apprenant des opérateurs d'évolution conditionnels plutôt que des corrélations directes.