Complexity-Aware Model Selection for Structural Simulation Surrogates: Defining the Boundary Between Descriptor Models and Mesh-Based Graph Neural Networks
Cette étude établit un cadre de sélection de modèles sensible à la complexité pour les substituts de simulation structurelle en démontrant que, si les modèles basés sur des descripteurs suffisent pour les géométries simples, les réseaux de neurones sur graphes basés sur le maillage deviennent nécessaires et nettement plus précis à mesure que la complexité topologique augmente, définissant ainsi une limite graduée pour le choix du substitut optimal.