TRACE：用于粒度动力学的时空接触记忆图网络模拟器

arXiv:2609.02991v1 公告类型：新 摘要：学习图模拟器为粒度动力学的高保真解算器提供了有效的替代方案。然而，颗粒运动强烈依赖于颗粒间的接触历史，当颗粒接触形成、破裂和重新排列时，这种历史很难保持。现有的模拟器主要将时间信息存储在节点特征或节点级内存中。在这里，我们介绍 TRACE，这是一种图网络模拟器，可直接在接触边上存储交互历史记录。每条边都维护一个通过基于注意力的消息传递和门控循环单元更新的持久内存，而边身份字典则在接触图发生变化时保留该内存。物理结构的解码器可预测晶粒间的法向和切向接触力，强制执行库仑摩擦力极限，并施加大小相等且方向相反的内力。该模型通过单步预训练进行训练，然后进行自回归微调。我们在 2D 和 3D 粒度柱塌陷基准上评估 TRACE。在这两种情况下，TRACE 都会产生稳定、物理一致的长范围滚动，精确地再现最终的沉积物几何形状和塌陷过程中释放的动能。与图网络模拟器 (GNS) 和节点内存图神经模拟器 (NMGNS) 相比，TRACE 在两个基准测试中将长期部署位置误差降低了 31-62%，最终存款误差降低了 58-89%，同时使用更少的参数并保持接近于零的粒子互穿性。与 2D 和 3D 中的质点法 (MPM) 参考求解器相比，TRACE 还分别实现了 12.2$\times$ 和 8.9$\times$ 加速。我们的代码可在 https://github.com/Data-Driven-Computational-Geotechnics/TRACE 获取。