Operator Learning for Consolidation: An Architectural Comparison for DeepONet Variants
Deze studie vergelijkt DeepONet-architecturen voor het consolideringsprobleem in de geotechniek en toont aan dat een Fourier-features-gebaseerde variant (Model 4) niet alleen superieure nauwkeurigheid biedt bij sterk variërende oplossingen, maar ook een snelheidswinst van ongeveer 1.000x in 3D-scenario's mogelijk maakt, wat de weg vrijmaakt voor efficiënte onzekerheidskwantificering.