EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-ND 4.0

Data-efficient neural operator framework for curing deformation field prediction in composite manufacturing process design

Gengxiang Chen, Yingguang Li, Charyar Mehdi-Souzani, Xu Liu

Procedia CIRP · 2026 · 142 · 103-108

DOI: 10.1016/j.procir.2026.05.231 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Procedia CIRP, 2026. Verfasst von Gengxiang Chen und 3 weiteren Autor:innen. Die Arbeit nennt 10 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0). Gefördert von: National Natural Science Foundation of China.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • National Natural Science Foundation of China

Zitieren

APA

Chen, G., Li, Y., Mehdi-Souzani, C., & Liu, X. (2026). Data-efficient neural operator framework for curing deformation field prediction in composite manufacturing process design. Procedia CIRP, 142, 103-108. https://doi.org/10.1016/j.procir.2026.05.231

Vancouver

Chen G, Li Y, Mehdi-Souzani C, Liu X. Data-efficient neural operator framework for curing deformation field prediction in composite manufacturing process design. Procedia CIRP. 2026;142:103-108. doi:10.1016/j.procir.2026.05.231

BibTeX
@article{Chen2026,
  author = {Chen, Gengxiang and Li, Yingguang and Mehdi-Souzani, Charyar and Liu, Xu},
  title = {Data-efficient neural operator framework for curing deformation field prediction in composite manufacturing process design},
  journal = {Procedia CIRP},
  year = {2026},
  volume = {142},
  pages = {103--108},
  doi = {10.1016/j.procir.2026.05.231}
}
Kostenlos starten →