Ductile fracture prediction of spatially heterogeneous porous material by periodic convolutional neural network
0Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
2Pays d’affiliation déclarés
Rattachement africain : cn, hk. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Ductile fracture prediction of spatially heterogeneous porous material by periodic convolutional neural network 基于周期性卷积神经网络的空间非均质多孔材料韧性断裂预测
- Date Crossref
- 04/05/2026
- Éditeur
- Springer Science and Business Media LLC
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Peking University Collaborative Innovation Center of MoE pays non établi dans la noticeUniversité ou école supérieure
-
City University of Hong Kong Laboratory of Nanomaterials & Nanomechanics pays non établi dans la noticeUniversité ou école supérieure
-
Institute of Applied Physics and Computational Mathematics pays non établi dans la noticeStructure de recherche
-
College of Engineering Department of Mechanics and Engineering Science pays non établi dans la noticeUniversité ou école supérieure
Collaborative Innovation Center of MoE — Peking University, Laboratory of Nanomaterials & Nanomechanics — City University of Hong Kong et Institute of Applied Physics and Computational Mathematics, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Metal Forming Simulation TechniquesMachine Learning in Materials ScienceComposite Material Mechanics