AI与世界难题 · 化学与材料 · arXiv · 2026-10-19
面向生成式流变学的GENERIC启发神经网络
原标题: A GENERIC-Informed Neural Network for Generative Rheology
GINNGER是一个从微观结构流动数据中发现热力学上可容许的本构方程的框架。它学习的是底层热力学生成元而非本构算子，嵌入GENERIC形式体系使热力学第一和第二定律在构造上自动满足，并在聚合物构象张量的特征空间中采用谱表述，使剪切、拉伸和混合流动数据能够共同贡献于单一模型。经高保真模拟验证，它准确重构了本构行为，并预测了先前未见几何结构中的复杂流场。