Amortized Posteriors for Estimation of Material Constitutive Parameters from Multimodal Measurements on Small Punch Tests
Questo articolo presenta un framework ammortizzato e privo di verosimiglianza che combina surrogati di processo gaussiano e Conditional Flow Matching per stimare efficientemente i parametri costitutivi dei materiali da dati multimodali di Small Punch Test, dimostrando che l'integrazione dei campi di Correlazione d'Immagine Digitale con le curve forza-spostamento migliora significativamente la precisione del posteriore rispetto all'uso dei soli dati di risposta globale.