A Parameterized Data-Driven Neural Network with Physics-Based Regularization for Thermal Field Prediction in Metal Additive Manufacturing
本論文は、従来のシミュレーションの計算上の制限を克服するために、FEM生成データと熱伝導正則化を組み合わせることで、SS316Lレーザー粉末床溶融結合における過渡的な熱場および溶融池形状を効率的に予測する、パラメータ化された物理情報ニューラルネットワークを提示するものである。