Page 53 - 《爆炸与冲击》2026年第5期
P. 53
第 46 卷 苏 浩，等： 单晶金属中微孔洞生长过程的深度学习预测方法 第 5 期
2 用于金属微孔洞生长过程预测的深度神经网络模型
2.1 深度神经网络结构
本文所建立的深度神经网络模型如图 4 所示。模型输入包括两部分，第一部分为物理信息，即数据
样本中经过数据预处理过程得到的包含局部统计量的网格模型（4D 矩阵）；第二部分为位置信息，即模
Time t+Δt
Physical
information
ω in
Input Time t Unmask
Regression
Positional Physical CNN prediction
information information network
Mask
Tri interpolation
CNN Latent superposition +
DeCNN
Downsampling Upsampling
network U-Net model network
Flatten Flatten Unflatten
Position
embedding
Transformer Transformer
encoder decoder
Generative model Status queries
Input Time t
Physical Flatten
information
Position
CNNs embedding
Positional
information
Flatten Query network
图 4 金属微孔洞生长过程预测的深度学习网络模型
Fig. 4 Deep learning network model for predicting the growth of micro voids in metals
051423-5
