报告题目：基于机器学习的加速渐近均匀化/局域化方法研究

报告时间：2023-11-16   10:00-11:00

报 告 人 ：朱一超  教授  大连理工大学

报告地点：理学院东北楼三楼报告厅（302）

报告摘要：本报告旨在讨论如何在宏观尺度建立计及关键细观信息之跨尺度模型的思想与方法。报告首先以可3D打印之广义点阵结构为应用背景，讨论如何利用传统渐近分析方法与新兴机器学习工具之间的天然互补特征，“自下而上”地发展跨尺度建模与仿真方法。利用渐近分析，可对宏观（非线性）力学响应与细观（非线性）单胞问题的跨尺度关联关系进行定量表达；而神经网络的使用则可避免分析过程中反复求解上述单胞问题。与此同时，报告也考虑将方法与计算机辅助几何平台(CAD)对接，以实现空间点阵结构刻画-分析-设计一体化。随后，将对该基于机器学习的加速渐近均匀化/局域化方法在其它跨尺度物理系统场景的应用进行简单讨论。报告的第二部分将讨论如何“自上而下”构建晶体材料变形破坏的热力学方法，其核心思想是对晶体缺陷引发变形模式将其分为畸变类缺陷和容变类缺陷，并以这两类缺陷的几何特征作为内变量建立热力学系统，希冀给出反应晶体材料变形-破坏全过程的一般方法。