L'IA face aux grands problèmes du monde · Chimie et matériaux · arXiv · 2026-10-19
Un réseau de neurones informé par GENERIC pour la rhéologie générative
Titre original: A GENERIC-Informed Neural Network for Generative Rheology
GINNGER est un cadre pour découvrir des équations constitutives thermodynamiquement admissibles à partir de données d'écoulement microstructurales. Il apprend les générateurs thermodynamiques sous-jacents plutôt que les opérateurs constitutifs, en intégrant le formalisme GENERIC de sorte que les premier et second principes soient satisfaits par construction, et utilise une formulation spectrale dans l'espace propre du tenseur de conformation du polymère afin que les données d'écoulement en cisaillement, en extension et mixtes contribuent à un modèle unique. Validé sur des simulations haute fidélité, il a reconstruit avec précision le comportement constitutif et prédit des champs d'écoulement complexes dans des géométries jamais vues auparavant.