多模态脉冲Transformer与SNN集成FEA求解器
热点事件持续更新
多模态脉冲Transformer与SNN集成FEA求解器
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
该研究提出一种基于多模态脉冲Transformer架构的复合材料世界模型,旨在集成SNN记忆块以跟踪材料长期内部状态,并与非线性有限元求解器耦合。 模型采用三阶段训练策略以抑制递归误差漂移。在IM7/8552层压板拉压及横向剪切测试中,该方法的预测误差控制在0.4%至4.8%之间。 该方法有效解决了大规模结构多尺度建模的高计算成本限制,实现了缺陷复合材料在结构级别的模拟应用。
AI 根据报道生成 · 7 小时前更新
最新进展11月20日 13:00
基于多模态脉冲 Transformer 复合世界模型与 SNN 记忆块的 FEA 求解器集成研究报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · ML基于多模态脉冲 Transformer 复合世界模型与 SNN 记忆块的 FEA 求解器集成研究
提出一种基于多模态脉冲 Transformer 架构的复合材料世界模型,集成 SNN 记忆块以跟踪材料长期内部状态,并与非线性有限元求解器耦合。 模型分三阶段训练,抑制递归误差漂移;在 IM7/8552 层压板拉压及横向剪切测试中,预测误差为 0.4% 至 4.8%。 该方法解决了大规模结构多尺度建模的高计算成本限制,实现了缺陷复合材料的结构级模拟。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 811月20日 23:00
- 近 24 小时变化
- –
02468
23:0011月21日01:0002:0003:0004:0005:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。