Scientific machine learning and physics-augmented neural networks for hybrid digital twins - Archive ouverte HAL
Poster De Conférence Année : 2023

Scientific machine learning and physics-augmented neural networks for hybrid digital twins

Antoine Benady
Laboratoire de Mécanique Paris-Saclay
CV
Fanny Lehmann
Laboratoire de Mécanique Paris-Saclay
Afsal Pulikkathodi
Laboratoire de Mécanique Paris-Saclay
CV
Emmanuel Baranger
Laboratoire de Mécanique Paris-Saclay
Ludovic Chamoin
Laboratoire de Mécanique Paris-Saclay
Filippo Gatti
Laboratoire de Mécanique Paris-Saclay
CV
Didier Clouteau
Laboratoire de Mécanique Paris-Saclay

Domaines

Sciences de l'ingénieur [physics]
Fichier principal
Vignette du fichier
poster LMPS_IGAIA.pdf (7.77 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Ludovic Chamoin  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-04425617

Soumis le : mercredi 31 janvier 2024-18:26:58

Dernière modification le : mardi 4 juin 2024-13:44:03

Télécharger pour visualiser

Dates et versions

hal-04425617 , version 1 (31-01-2024)

Identifiants

  • HAL Id : hal-04425617 , version 1

Citer

Antoine Benady, Fanny Lehmann, Afsal Pulikkathodi, Emmanuel Baranger, Ludovic Chamoin, et al.. Scientific machine learning and physics-augmented neural networks for hybrid digital twins. Journée du GDR I-GAIA, 2023, Paris, France. ⟨hal-04425617⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

CNRS ENS-CACHAN MSSMAT LMT CENTRALESUPELEC UNIV-PARIS-SACLAY SORBONNE-UNIVERSITE SU-SCIENCES ENS-PARIS-SACLAY LMPS
63 Consultations
48 Téléchargements

Partager

More