On Surrogate Modeling of Static Response of AM Short-Fiber Thermoplastics Using Graph Neural Networks
Questo articolo propone un modello surrogato ibrido basato su Graph Neural Network-Long Short-Term Memory (GNN-LSTM) informato dalla fisica che predice in modo accurato ed efficiente il comportamento meccanico non lineare di compositi termoplastici a fibra corta prodotti mediante manifattura additiva, codificando la topologia microstrutturale e l'evoluzione del danno, superando così i limiti computazionali della tradizionale analisi agli elementi finiti per lo sviluppo di digital twin.