基于神经算子的均质化大模型方法及系统

本发明公开了基于神经算子的均质化大模型方法及系统，该方法包括获取几何体数据；其中，所述几何体数据至少包括，几何形状信息和材料属性信息；将所述几何体数据划分为训练数据集和测试数据集，并构建基于神经算子的数值均质化大模型；利用训练数据集对所述数值均质化模型进行训练，并将测试数据集输入至训练好的数值均质化大模型以预测位移场，从而根据传统的均匀化计算得到最终的等效弹性张量，本发明的均质化大模型可以处理不同几何形状、材料和分辨率，都能准确快速得到最终需要的等效弹性张量。本发明将算子学习整合到均质化过程中，可以将计算负荷降低几个数量级，从而大幅度提升均质化的计算效率，相比于传统算法，计算效率大约提高1000倍。