3DSolidFormer for high-resolution full-field prediction in three-dimensional linear elasticity
이 논문은 수백만 개의 요소로 구성된 3차원 선형 탄성 구조물에서 고해상도 전계 변위, 변형률 및 응력 분포를 단 한 번의 순전파(forward pass)로 효율적으로 예측하며, 구성에 의해 변위 제약 조건을 만족하면서 높은 정확도를 달성하는 트랜스포머 기반 딥러닝 모델인 3DSolidFormer를 소개한다.