[发明专利]一种基于图神经网络的物理材料动态仿真方法

权利要求书

1.一种基于图神经网络的物理材料动态仿真方法，其特征在于，

S101、获取某一物理材料的粒子动态变化过程，将粒子在时空中的动态变化过程分割成T个时间快照，每个时间快照都由粒子组成；

S102、将S101中所产生的T个时间快照构造成T个子图，所述子图由节点和无向边组成；

S103、对S102所生成的T个子图进行特征嵌入，获取每个子图中所有粒子的特征向量；

S104、基于S103所生成的所有粒子特征向量，使用一种循环神经网络，捕获粒子状态变化的时间特性。

2.如权利要求1所述的一种基于图神经网络的物理材料动态仿真方法，其特征在于，

所述S101中，通过SPH光滑粒子流体动力学方法、MPM物质点法和PDB基于位置的仿真方法对某一物理材料的粒子动态变化过程进行获取。

3.如权利要求1所述的一种基于图神经网络的物理材料动态仿真方法，其特征在于，

所述S102中，通过图结构生成方法将T个时间快照构造成T个子图，具体过程为：

通过在粒子之间添加连边，生成图结构数据；子图表示为G^t＝{V^t，E^t，H^t}，其中V^t是每个子图中M个节点的集合，E^t是每个子图中边集合，H^t＝{h₁^t，h₂^t，…，h_N^t}∈R^M×N表示子图节点集合的特征矩阵，每个节点V_i^t∈V^t都有其对应的D维特征向量h_i^t。

4.如权利要求3所述的一种基于图神经网络的物理材料动态仿真方法，其特征在于，

所述在粒子之间添加连边的具体处理过程包括：

a.根据每个粒子的坐标(x，y，z)，确定粒子在三维空间中的具体位置；

b.自定义一个三维空间连接半径r；

c.计算子图中所有粒子对之间的距离；

d.对于某一个确定的粒子，根据三维空间连接半径，连接在其连接半径内的所有粒子。

5.如权利要求1所述的一种基于图神经网络的物理材料动态仿真方法，其特征在于，

所述S103中，所述特征嵌入是指分别使用图卷积神经网络和图注意力神经网络从局部的角度和全局的角度捕捉粒子之间的局部相似性和全局相似性，利用消息传递机制获取粒子的基于注意力的局部特征和基于卷积的全局特征，并通过一个聚合函数将局部特征和全局特征进行聚合，最终生成一个包含局部信息和全局信息的粒子特征。

6.如权利要求5所述的一种基于图神经网络的物理材料动态仿真方法，其特征在于，

所述的图卷积神经网络，公式为:

其中，l是单位矩阵，/是/的度矩阵，H^t+1＝{h₁^t+1，h₂^t+1，…，h_N^t+1}∈R^M×N，表示子图节点集合t+1时刻的的特征矩阵。

7.如权利要求5所述的一种基于图神经网络的物理材料动态仿真方法，其特征在于，

所述的图注意力神经网络，公式为:

其中，Q^(t)是查询矩阵，K^(t)是密钥矩阵表示，D^(t)是值矩阵。H^(t+1)和H^(t)是第t+1时刻和第t时刻的粒子特征矩，密钥矩阵和值矩阵，用于特征转换和信息交换。

8.如权利要求5所述的一种基于图神经网络的物理材料动态仿真方法，其特征在于，

所述的聚合函数，公式如下：

9.如权利要求1所述的一种基于图神经网络的物理材料动态仿真方法，其特征在于，

所述S104中，循环神经网络的公式为：

其中，权重和偏置都是模型的参数；通过将之前时刻的粒子状态/和之后时刻的粒子状态拼接来预测当前时刻的粒子状态H^t。/