AI直接从固体力学数据中提取可解释本构方程

宁波东方理工大学研究团队近日在《科学进展》发表成果，推出基于图的方程发现框架GraphED，首次实现从固体力学实验数据中直接、自动提取高精度本构方程。传统材料力学建模高度依赖物理直觉预设公式结构，严重限制了对复杂材料行为的描述与预测能力。该框架突破这一瓶颈，创新性地采用有向图结构表征数学方程，将运算符与物理变量作为节点，以边定义逻辑连接并嵌入可调参数，实现方程拓扑结构与材料参数的同步优化。 验证表明，GraphED在合金钢应变硬化、锂金属温变速率敏感塑性及填充橡胶超弹性响应等体系中，均生成结构紧凑且物理意义明确的表达式，预测精度全面超越约翰逊库克等主流经验模型。该方法无需人工干预即可保持跨材料、跨工况的泛化能力，为固体力学提供了数据驱动的新范式。其直接从观测数据提炼可解释物理定律的能力，有望大幅加速新材料研发与复杂工程系统的精确建模进程。