Haibarakiku

Gera um conjunto de dados de treinamento Abaqus FEA para modelos substitutos/ML, utilizando amostragem Latin Hypercube ou de padrão esparso sobre um vetor de design parametrizado. Ele gerencia a submissão de jobs em lote, recuperação de falhas e escreve um índice unificado do conjunto de dados, ideal para varrer parâmetros de design ou construir conjuntos de treinamento.

Converte saídas Abaqus FEA em CSVs de tabela larga (X, Y) prontos para ML, pivotando deslocamentos de nós de malha irregulares para uma grade N×N regular, usando o quadro final como alvo de deformação e agregando dados de vários casos em X_amplitude.csv (vetores de design) e Y_grid_uz.csv (deslocamento de grade achatado).

Realiza a validação de projeto inverso em ciclo fechado, resolvendo um problema inverso em um modelo surrogate treinado. Em seguida, verifica com Abaqus FEA, comparando os campos de deslocamento previstos com os reais e reportando métricas de erro para quantificar a lacuna entre o surrogate e o FEA.