Neue Veröffentlichung in Advances and Challenges in Computational Mechanics

2 Januar 2026

Wir freuen uns, die Veröffentlichung des Artikels „Physics-Informed Neural Networks for Solving Contact Problems in Three Dimensions” in der Sonderausgabe „Advances and Challenges in Computational Mechanics” bekannt zu geben.

In diesem Artikel untersuchen wir die Anwendung von physikalisch informierten neuronalen Netzen (PINNs) zur Lösung von Vorwärtsproblemen in der 3D-Kontaktmechanik, wobei wir uns auf elastische Probleme mit kleinen Verformungen konzentrieren. Wir schauen uns zwei konkrete Beispiele an: einen Patch-Test, bei dem die Kontaktfläche a-priori bekannt ist, und den Hertzschen Kontakt eines Zylinders, bei dem die Kontaktfläche während des Lösungsprozesses bestimmt wird. Durch die Verwendung einer Hellinger-Reissner-ähnlichen Zwei-Feld-Formulierung für das PINN sowie einer problemspezifischen Transformation der Ausgangsgrößen sind unsere Modelle in der Lage, die zugrundeliegenden physikalischen Gesetzmäßigkeiten zu erlernen, was zu Vollfeldvorhersagen für Verschiebungen und Spannungen führt, die mit den analytischen Lösungen gut übereinstimmen.

Sahin, T., Wolff, D., & Popp, A. (2025). Physics-Informed Neural Networks for Solving Contact Problems in Three Dimensions. In Advances and Challenges in Computational Mechanics (pp. 419–431). Springer Nature Switzerland. :10.1007/978-3-031-93213-7_33