基于離散單元法模擬顆粒流的圖神經(jīng)網(wǎng)絡(luò)計(jì)算加速方法

摘要： 本研究旨在探索一種基于圖神經(jīng)網(wǎng)絡(luò)(GNN)加速離散元法(DEM)計(jì)算的新模型,以提高顆粒流模擬的計(jì)算效率和精度.傳統(tǒng)DEM方法盡管精確,但計(jì)算耗時(shí)長(zhǎng). GNN具有模擬DEM的天然優(yōu)勢(shì),在GNN中顆粒表示為節(jié)點(diǎn),顆粒的相互作用表示為邊.提出的加速模型包含了兩個(gè)GNN,分別是顆粒-顆粒圖神經(jīng)網(wǎng)絡(luò)(P-P GNN)和顆粒-邊界圖神經(jīng)網(wǎng)絡(luò)(P-W GNN),能夠分別學(xué)習(xí)顆粒-顆粒和顆粒... （共11頁(yè)）