機器學習本構建模與有限元結合的計算方法的研究進展

　　近日，中國科學院力學研究所和北京信息科技大學合作，在構建數據驅動的材料本構模型及有限元結合研究中取得重要進展。該研究在國際上首次提出并實現了基于物理機理驅動的機器學習本構建模與有限元結合的計算方法，并將該計算方法應用于受到廣泛關注的鋰金屬，實現了它在不同溫度和變形場景下的力學行為精準描述。

　　鋰金屬電極由于具有高的理論電容量（3860 mAh/g）、低密度和低的電勢（約-3.04 V），是理想的鋰電池負極材料。準確認識和表征鋰金屬負極溫度、應力和率相關的變形行為是實現鋰金屬電池壽命和可靠性提升的關鍵。然而，由于涉及溫度場、力場、率效應等多物理場多因素之間的相互作用，以及有限的實驗數據，目前仍缺乏可靠的物理模型來描述鋰金屬溫度-應力-率-變形行為。該研究中，研究人員通過結合機器學習方法與物理機理，構建了一種新的數據驅動的本構模型。該模型不僅能夠精確復現鋰金屬不同溫度和應變率下的應力應變實驗結果，而且能夠在更大的溫度和應變率范圍內，實現鋰金屬溫度-應力-率-變形行為的預測。此外，該機器學習本構模型還可有效地和有限元計算方法聯姻，充分利用傳統有限元計算在多物理場、復雜邊界和變形系統的數值模擬優勢。該研究為解決工程材料涉及溫度、應力、率、變形等行為的精確描述和高效數值方法發展提供了新思路。

　　相關研究成果發表在J. Mech. Phys. Solids上，力學所助理研究員溫濟慈為論文第一作者，北京信息科技大學鄒慶榮為論文第二作者，力學所研究員魏宇杰為論文通訊作者。研究工作得到國家自然科學基金委、中科院戰略性先導科技專項的支持。

　　物理驅動-機器學習本構模型預測鋰金屬不同溫度、應力控制下的變形率，包含了鋰金屬的全服役溫度和