Ein hybrider GNN-FEM-Rahmen für Phase-Field-Risssimulation. Physik-konservierende Hybridisierung für verallgemeinerbare Surrogate-Modellierung

arXiv:2606.19378v1 Ankündigungstyp: neu Abstract: Scientific Machine Learning (SciML) hat sich als vielversprechender Ansatz zur Beschleunigung von Simulationen komplexer physikalischer Systeme etabliert, doch die Erreichung physikalisch konsistenter und verallgemeinerbarer Vorhersagen für nichtlineare, geschichtsabhängige Probleme bleibt eine zentrale Herausforderung.