Operator Learning for Consolidation: An Architectural Comparison for DeepONet Variants
Cette étude évalue systématiquement différentes architectures DeepONet pour la modélisation de la consolidation géotechnique, démontrant qu'une variante enrichie par des caractéristiques de Fourier dans le réseau tronc surpasse les configurations standards et permet une accélération significative des calculs en 3D, ouvrant ainsi la voie à une quantification efficace des incertitudes dans ce domaine.