【深度学习驱动流体力学】DeepONet求解三维瞬态固体力学的实现方法与完整代码实验结果展示

1. DeepONet 架构与数据处理
   本文章实现的代码及其实验结果是基于 DeepONet（Deep Operator Network）框架，用于求解三维瞬态固体力学问题。DeepONet 通过两个子网络——分支网络（BranchNet）和主干网络（TrunkNet）——实现对复杂算子的近似。分支网络处理输入函数（如初始条件或边界条件），主干网络处理空间-时间坐标（如 x, y, z, t），两者输出通过内积结合生成预测结果。代码中，数据生成器（SolidMechanicsDataset）创建模拟数据，包含随机生成的 10 维分支输入和规范化到 [-1, 1] 的 4 维时空输入（x, y, z, t），真实解通过 sin(πx) * cos(πy) * exp(-t)