数据集概述
本数据集包含论文《Stochastic Deep Material Networks as Efficient Surrogates for Stochastic Homogenisation of Non-linear Heterogeneous Materials》生成的数据与算法，涉及6个单胞体积单元（SVE）的几何图像、训练数据、直接数值模拟（DNS）结果、IB-DMN模型训练文件及随机分析代码，支持非线性异质材料随机均匀化的模拟与验证。
文件详解
- 主文件：2025_StochasticIBDMN-main.zip
- 文件格式：ZIP
- 内容结构：包含6SVE_Example（SVE几何与IB-DMN训练数据）、Stochastic_DNS_LinearHardening（SVE随机DNS模拟）、Vf_Mat（参考IB-DMN训练）、Stochastic_DMN_LinearHardening（随机IB-DMN分析）等目录，以及论文图表复现代码与依赖说明。
数据来源
论文“Stochastic Deep Material Networks as Efficient Surrogates for Stochastic Homogenisation of Non-linear Heterogeneous Materials”
适用场景
- 非线性异质材料随机均匀化研究: 利用IB-DMN替代模型与DNS结果，分析材料宏观力学响应的随机性。
- 材料替代模型验证: 对比IB-DMN与直接数值模拟的结果，验证替代模型的效率与精度。
- 复合材料微观结构模拟: 生成UD纤维增强复合材料的随机微观结构并开展力学模拟。
- 材料科学论文结果复现: 运行代码复现论文中的数值模拟结果与图表。
- 计算材料学算法开发: 基于数据集的算法框架，开发新型材料随机均匀化方法。
