一种基于深度学习的三维位错相互作用力的预测方法
技术特征：
1.一种基于深度学习的三维位错相互作用力的预测方法，其特征在于，包括以下内容：
2.根据权利要求1所述的一种基于深度学习的三维位错相互作用力的预测方法，其特征在于，步骤(1)中所述原始数据集通过三维离散位错动力学模拟开源软件中的应变硬化模型和模拟体系模拟生成，在模拟体系内部随机生成若干个个棱柱形位错环，且材料属性系数a、μ、v以均匀分布随机生成，其中，a表示位错核心半径、μ表示剪切模量、v表示泊松比。
3.根据权利要求2所述的一种基于深度学习的三维位错相互作用力的预测方法，其特征在于，所述步骤(2)具体包括以下内容：
4.根据权利要求3所述的一种基于深度学习的三维位错相互作用力的预测方法，其特征在于，所述步骤(3)具体包括以下内容：
5.根据权利要求4所述的一种基于深度学习的三维位错相互作用力的预测方法，其特征在于，所述步骤(4)具体包括以下内容：
6.根据权利要求5所述的一种基于深度学习的三维位错相互作用力的预测方法，其特征在于，所述步骤(5)具体包括以下内容：
技术总结
本发明公开了一种基于深度学习的三维位错相互作用力的预测方法，属于核材料辐照损伤计算模拟应用技术领域；本发明提出一种基于深度学习的三维位错相互作用力的预测方法，基于开源软件生成可用的数据集，设计了数据预处理的标准化方法，有效消除了数据集里的量纲差异性；通过数据预处理、训练后，生成的回归模型预测位错段间的相互作用力是一种灵活、准确、计算效率更高的方法，将有效加速预测三维位错相互作用力，能够大幅提高离散位错动力学(DDD)在三维位错建模时的模拟效率。
技术研发人员：胡长军,邹康,陈丹丹,储根深,卢旭
受保护的技术使用者：北京科技大学
技术研发日：
技术公布日：2024/12/2
文档序号 :
【 40201792 】
技术研发人员：胡长军,邹康,陈丹丹,储根深,卢旭
技术所有人：北京科技大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除
技术研发人员：胡长军,邹康,陈丹丹,储根深,卢旭
技术所有人：北京科技大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除