JAX-FEM｜当有限元遇上机器学习

 

目录

有限元方法简介与挑战

机器学习在 FEM 中的应用与痛点

Notebook 上手实践

---

近年来，机理与数据的融合计算正快速发展着。机器学习作为数据驱动的计算方法，以其解决高维复杂问题的能力而闻名于世。它在视觉理解、自然语言处理等领域取得了重大突破。与此同时，基于机理的计算方法，如有限元模拟，在现代工业中起着至关重要的作用，广泛应用于飞机、汽车、材料和新能源等行业。

有限元方法简介与挑战

有限元法（FEM，Finite Element Method）是一种为求解偏微分方程边值问题近似解的数值技术。求解时对整个问题区域进行分解，每个子区域上定义基函数，把有限元组合起来近似得到原方程的解。然而，被广泛应用的有限元方法也面临挑战：随着问题规模的增长，计算复杂度和内存需求也随之增加，导致计算时间过长和资源消耗过大（“维度灾难”问题）。

逆问题是在数学和科学中，通过给定输出数据，寻找导致这些结果的输入或参数。求解逆问题的价值在于提供无法直接观测的信息和改善决策预测。有限元在许多逆问题中是常用的求解方法，然而逆问题中，用有限元法求解会有很多难点：

1. 非唯一性：可能存在多个不同的输入或参数组合对应相同的观测结果，无法得到唯一解决方案。
2. 不适定问题：输入数据中的误差会放大&#