摘要
物理信息神经网络（PINNs）为解决偏微分方程提供了一个有前景的框架，同时将基础物理法则直接嵌入学习过程中。本研究提出了一种基于PINN的框架，用于建模双材料系统中的瞬态弹性波传播，该系统由线性弹性轴对称方程支配。
我们考虑了一个代表分裂霍普金森压力杆配置的钢铝样本，相关的弹性动力学方程及初始、边界和界面条件通过物理信息损失函数直接融入网络中。使用ANSYS Workbench Explicit Dynamics进行的高保真有限元仿真被用于验证，并作为训练过程中的补充数据约束。
所提出的框架准确预测了双材料界面上的波传播和反射，重现了轴向和径向位移历史、面平均响应及主应力和应变的演变，与有限元解有很好的吻合。训练后的网络进一步展示了在先前未见的时间瞬间和修改材料属性下预测波响应的能力，无需额外的有限元仿真，提供了一个连续的弹性动力学分析代理模型。
网格敏感性研究确认了数值的稳健性，而额外的材料组合展示了所提方法的普遍性。结果表明，将物理信息神经网络与显式有限元分析相结合，提供了一个准确且计算高效的弹性波传播框架，成为高频固体力学和冲击工程应用的有效代理建模方法。
博主点评： 本文展示了PINNs在复杂材料系统中应用的巨大潜力，尤其是在弹性波传播领域。通过将物理法则嵌入学习过程，不仅提升了模型的准确性，还显著减少了计算资源的需求，值得在更多工程应用中推广。