Buchumschlag

Physics-Informed Machine Learning Regulated by Finite Element Analysis for Simulation Acceleration of Melt Pool Dynamics in Laser Powder Bed Fusion

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sharma, R., Guo, Y. B.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Data-Efficient Sequential Learning Framework for Melt Pool Defect Classification in Laser Powder Bed Fusion
von: Raihan, Ahmed Shoyeb, et al.
Veröffentlicht: (2024)

Integrating Multi-Physics Simulations and Machine Learning to Define the Spatter Mechanism and Process Window in Laser Powder Bed Fusion
von: Ajenifujah, Olabode T., et al.
Veröffentlicht: (2024)

Layer-to-Layer Melt Pool Control in Laser Powder Bed Fusion
von: Liao-McPherson, Dominic, et al.
Veröffentlicht: (2023)

Unveiling Processing--Property Relationships in Laser Powder Bed Fusion: The Synergy of Machine Learning and High-throughput Experiments
von: Amiri, Mahsa, et al.
Veröffentlicht: (2024)

Thermal-Mechanical Physics Informed Deep Learning For Fast Prediction of Thermal Stress Evolution in Laser Metal Deposition
von: Sharma, R., et al.
Veröffentlicht: (2024)

Computational, Data-Driven, and Physics-Informed Machine Learning Approaches for Microstructure Modeling in Metal Additive Manufacturing
von: Patel, D., et al.
Veröffentlicht: (2025)

Physics-Informed Machine Learning for Smart Additive Manufacturing
von: Sharma, Rahul, et al.
Veröffentlicht: (2024)

Towards Agentic Defect Reasoning: A Graph-Assisted Retrieval Framework for Laser Powder Bed Fusion
von: Awan, Muhammad Rizwan, et al.
Veröffentlicht: (2026)

Deep Reinforcement Learning Based Toolpath Generation for Thermal Uniformity in Laser Powder Bed Fusion Process
von: Qin, Mian, et al.
Veröffentlicht: (2024)

Inverse Identification of Energy‐Dependent Laser Absorptivity in NiTi Laser Powder‐Bed Fusion via Calibrated Melt Pool Simulation
von: Mohamadreza Afrasiabi, et al.
Veröffentlicht: (2026)

A preliminary data fusion study to assess the feasibility of Foundation Process-Property Models in Laser Powder Bed Fusion
von: Vendrell-Gallart, Oriol, et al.
Veröffentlicht: (2025)

Temperature Distribution Prediction in Laser Powder Bed Fusion using Transferable and Scalable Graph Neural Networks
von: Raut, Riddhiman, et al.
Veröffentlicht: (2024)

Laser Powder Bed Fusion Melt Pool Dynamics for Different Geometric Variations and Powder Layer Heights: High-Fidelity Multiphysics Modeling vs 2025 NIST Experiments
von: Kumar, Badhon, et al.
Veröffentlicht: (2026)

Automated Segmentation and Analysis of Microscopy Images of Laser Powder Bed Fusion Melt Tracks
von: Shah, Aagam, et al.
Veröffentlicht: (2024)

Surrogate Modeling of Melt Pool Thermal Field using Deep Learning
von: Hemmasian, AmirPouya, et al.
Veröffentlicht: (2022)

A Comprehensive Evaluation of Graph Neural Networks and Physics Informed Learning for Surrogate Modelling of Finite Element Analysis
von: Singh, Nayan Kumar
Veröffentlicht: (2025)

Effect of Laser Powder Bed Fusion Parameters on the Evolution of Melt Pool, Densification, Microstructure, and Hardness in 420 Stainless Steel Parts
von: Ângela Cunha, et al.
Veröffentlicht: (2024)

An Augmented Surprise-guided Sequential Learning Framework for Predicting the Melt Pool Geometry
von: Raihan, Ahmed Shoyeb, et al.
Veröffentlicht: (2024)

Neural-Initialized Newton: Accelerating Nonlinear Finite Elements via Operator Learning
von: Taghikhani, Kianoosh, et al.
Veröffentlicht: (2025)

Positional Shift of Melt Tracks at Oblique Beam Incidence in Laser Powder Bed Fusion and Laser Welding
von: Valentin Blickle, et al.
Veröffentlicht: (2025)

Non-myopic Matching and Rebalancing in Large-Scale On-Demand Ride-Pooling Systems Using Simulation-Informed Reinforcement Learning
von: Namdarpour, Farnoosh, et al.
Veröffentlicht: (2025)

Physics-Informed Surrogates for Temperature Prediction of Multi-Tracks in Laser Powder Bed Fusion
von: Safari, Hesameddin, et al.
Veröffentlicht: (2025)

A Finite Element-Inspired Hypergraph Neural Network: Application to Fluid Dynamics Simulations
von: Gao, Rui, et al.
Veröffentlicht: (2022)

Accelerating Electron Dynamics Simulations through Machine Learned Time Propagators
von: Shah, Karan, et al.
Veröffentlicht: (2024)

NeuralFoil: An Airfoil Aerodynamics Analysis Tool Using Physics-Informed Machine Learning
von: Sharpe, Peter, et al.
Veröffentlicht: (2025)

Physically Consistent Machine Learning for Melting Temperature Prediction of Refractory High-Entropy Alloys
von: Hasnain, Mohd
Veröffentlicht: (2026)

Green Physics-Informed Machine Learning Models For Structural Health Monitoring
von: Bradley, Daisy R, et al.
Veröffentlicht: (2026)

Accelerating Computer Architecture Simulation through Machine Learning
von: Ali, Wajid, et al.
Veröffentlicht: (2024)

Laser Powder Bed Fusion of defect-free components using Bayesian Machine Learning
von: Kosiba, Konrad, et al.
Veröffentlicht: (2025)

Laser‐Powder Melt Pool Solidification Dynamics and Microstructural Engineering of Ti‐5553 Microlattices
von: Caleb E. Andrews, et al.
Veröffentlicht: (2025)

Accelerating Long-Term Molecular Dynamics with Physics-Informed Time-Series Forecasting
von: Le, Hung, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Diagnostics for Physics-Informed Machine Learning
von: Daniels, Mara, et al.
Veröffentlicht: (2025)

Learning Hybrid Dynamics Models With Simulator-Informed Latent States
von: Ensinger, Katharina, et al.
Veröffentlicht: (2023)

A Fast and Generalizable Fourier Neural Operator-Based Surrogate for Melt-Pool Prediction in Laser Processing
von: Benoit, Alix, et al.
Veröffentlicht: (2026)

Deep Learning for Melt Pool Depth Contour Prediction From Surface Thermal Images via Vision Transformers
von: Ogoke, Francis, et al.
Veröffentlicht: (2024)

Physics-Informed Reward Machines
von: Ajeleye, Daniel, et al.
Veröffentlicht: (2025)

Physics-Informed Extreme Learning Machine (PIELM): Opportunities and Challenges
von: Yang, He, et al.
Veröffentlicht: (2025)

Physics-Informed Machine Learning On Polar Ice: A Survey
von: Liu, Zesheng, et al.
Veröffentlicht: (2024)

Feasibility of Melting NbC Using Electron Beam Powder Bed Fusion
von: Karin Wennersten, et al.
Veröffentlicht: (2024)

Physics-Informed Machine Learning Towards A Real-Time Spacecraft Thermal Simulator
von: Oddiraju, Manaswin, et al.
Veröffentlicht: (2024)