基于離散單元法模擬顆粒流的圖神經(jīng)網(wǎng)絡計算加速方法

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