莫里茨·弗拉舍尔;悉达恩·库马尔;劳拉·德·洛伦齐斯 使用EUCLID自动发现通用标准材料模型。 （英语） Zbl 07653067号 计算。方法应用。机械。工程师。 405，文章ID 115867，26 p.（2023）. 摘要：我们将最近开发的无监督自动发现材料定律的方法（称为EUCLID）的范围扩展到属于未知本构行为类别的材料的一般情况。为此，我们利用了广义标准材料理论，该理论包含了大量重要的本构类别，包括弹性、粘度、塑性及其任意组合。我们表明，仅基于全场运动学测量和净反作用力，EUCLID能够自动发现两个标量热力学势，即亥姆霍兹自由能和耗散势，这两个势完全定义了广义标准材料的行为。凸性对这些势的先验强制约束由所发现模型的结构稳定性和热力学一致性保证；线性动量平衡是替代应力应变标记对可用性的基本约束；稀疏性促进正则化能够从可能大量的候选模型特征中自动选择一个小子集，从而产生一个简约的，即简单且可解释的模型。重要的是，由于模型特征与相应的活跃内部变量齐头并进，稀疏回归自动导致对材料行为的准确但简单描述所需的少数内部变量的简约选择。一个全自动的过程导致选择控制稀疏促进正则化项权重的超参数，以便在模型准确性和简单性之间达到用户定义的平衡。通过在包含人工噪声的合成数据上测试该方法，我们证明EUCLID能够从大量本构类（包括弹性、粘弹性、弹塑性、粘塑性、各向同性和运动硬化）中自动发现真实的隐藏材料模型。 引用于10文件 MSC公司： 74-XX岁 可变形固体力学 92至XX 生物学和其他自然科学 关键词：无监督学习;本构模型;通用标准材料;可解释模型;稀疏回归;反问题 软件：通用;NN-有效;自动材质;贝叶斯-尤利德 PDF格式BibTeX公司 XML格式引用 \textit{M.Flaschel}等人，计算。方法应用。机械。Eng.405，文章ID 115867，26 p.（2023；Zbl 07653067） 全文： 内政部 arXiv公司 参考文献： [1] 尼格斯，J。；奥利克斯。；希尔德·F。；Roux，S.，《实验力学和模型降阶中的大数据：今天的挑战和明天的机遇》，Arch。计算。Methods Eng.，25，1，143-164（2018），网址：http://link.springer.com/10.1007/s11831-017-9234-3 ·Zbl 1390.74197号 [2] F.J.Montáns。；Chinesta，F。；Gómez-Bombarelli，R。；Kutz，J.N.，科学与工程中的数据驱动建模与学习，C.R.MéC。，347、11、845-855（2019），网址：https://linkinghub.elsevier.com/retrieve/pii/S1631072119301809 [3] 刘，X。；田，S。；陶，F。；杜，H。；Yu，W.，《复合材料和结构的机器学习辅助建模：综述》（AIAA Scitech 2021 Forum（2021），美国航空航天研究所），虚拟事件。网址：https://arc.aiaa.org/doi/10.2514/6.2021-2023 [4] Peng，G.C.Y。；Alber，M。；Buganza Tepole，A。；坎农，W.R。；德·S。；杜拉·伯纳尔，S。；Garikipati，K。；卡尼亚达基斯，G。；莱顿，W.W。；佩迪卡里斯，P。；佩佐德，L。；Kuhl，E.，《多尺度建模与机器学习：我们可以学习什么？》？，架构（architecture）。计算。Methods Eng.，28，3，1017-1037（2021），网址：https://link.springer.com/10.1007/s11831-020-09405-5 [5] 库马尔，S。；Kochmann，D.M.，机器学习可以为计算固体力学做什么，（Aldakheel，F.；Hudobivnik，B.；Soleimani，M.；Wessels，H.；Weißenfels，C.；Marino，M.，计算力学的当前趋势和开放问题（2022），施普林格国际出版：施普林格国际出版商会），275-285，网址：https://link.springer.com/10.1007/978-3-030-87312-7_27 ·Zbl 1512.74101号 [6] 苏斯曼，T。；Bathe，K.-J.，使用拉压试验数据的样条插值的不可压缩各向同性超弹性材料行为模型，Commun。数字。方法。Eng.，25，1，53-63（2009），网址：http://doi.wiley.com/10.1002/cnm.1105 ·Zbl 1156.74008号 [7] Frankel，A.L。；琼斯·R·E。；Swiler，L.P.，超弹性材料的张量基高斯过程模型，J.Mach。学习。模型。计算。，1,1,1-17（2020），网址：http://www.dl.begellhouse.com/journals/558048804a15188a，583c4e56625ba94e，651a2e6b0260f708.html [8] 加布西，J。；加勒特，J.H。；Wu，X.，基于知识的材料行为神经网络建模，J.Eng.Mech。，117，1，132-153（1991），网址：http://ascelibrary.org/doi/10.1061/ [9] Tac，V.公司。；Sahli Costabal，F。；Tepole，A.B.，数据驱动的组织力学与多凸神经常微分方程，计算机。方法应用。机械。工程，398，第115248条pp.（2022），网址：https://linkinghub.elsevier.com/retrieve/pii/S0045782522003838 ·Zbl 1507.74236号 [10] González，D。；Chinesta，F。；Cueto，E.，《从数据中学习超弹性模型修正》，Front。材料。，2019年6月14日，网址：https://www.frontiersin.org/article/10.3389/fmats.2019.00014/full [11] Ibáñez，R。；Abisset-Chavanne，E。；González，D。；杜瓦尔，J.-L。；库托，E。；Chinesta，F.，《混合本构建模：数据驱动的塑性模型修正学习》，国际期刊Mater。表格，12，4，717-725（2019），网址：http://link.springer.com/10.1007/s12289-018-1448-x [12] Fuhg，J.N。；伯姆，C。；布克拉斯，N。；Fau，A。；Wriggers，P。；Marino，M.，《模型数据驱动的本构响应：多尺度计算框架的应用》，国际。工程科学杂志。，167，第103522条pp.（2021），网址：https://linkinghub.elsevier.com/retrieve/pii/S0020722521000690 ·Zbl 07411518号 [13] Fuhg，J.N。；Fau，A。；布克拉斯，N。；Marino，M.，凸模型数据驱动屈服函数的弹塑性，27（2022） [14] As'ad，F。；艾弗里，P。；Farhat，C.，数据驱动本构建模中的机械信息人工神经网络方法，（AIAA SCITECH 2022论坛（2022），美国航空航天研究所：美国航空航天学会圣地亚哥，CA&Virtual），URL:https://arc.aiaa.org/doi/10.2514/6.2022-0100 [15] Klein，D.K。；费尔南德斯，M。；马丁·R·J。；内夫，P。；Weeger，O.，具有神经网络的多凸各向异性超弹性，J.机械。物理学。固体，159，第104703条，pp.（2022），网址：https://linkinghub.elsevier.com/retrieve/pii/S0022509621003215 [16] Klein，D.K。；Ortigosa，R。；Martínez-Frutos，J。；Weeger，O.，《有限电弹性与物理增强神经网络》，计算。方法应用。机械。工程师，400，第115501条，第（2022）页，网址：https://linkinghub.elsevier.com/retrieve/pii/S004578252200514X ·Zbl 1507.74144号 [17] Kalina，K.A。；林登，L。；Brummund，J。；梅施，P。；Kästner，M.，基于人工神经网络的各向同性超弹性自动本构建模，计算。机械。，69、1、213-232（2022），网址：https://link.springer.com/10.1007/s00466-021-02090-6 ·Zbl 07492666号 [18] Thakolkaran，P。；Joshi，A。；郑毅。；弗拉舍尔，M。；De Lorenzis，L。；Kumar，S.，NN-EUCLID：无应力数据的深度学习超弹性，J.Mech。物理学。固体，169，第105076条，pp.（2022），网址：https://linkinghub.elsevier.com/retrieve/pii/S0022509622002538 [19] 马西，F。；斯特凡努，I。；Vannucci等人。；Maffi-Berthier，V.，本构建模用基于热力学的人工神经网络，J.Mech。物理学。固体，147，第104277条，pp.（2021），网址：https://linkinghub.elsevier.com/retrieve/pii/S0022509620304841 [20] 弗拉西斯，N.N。；Sun，W.，Sobolev，《水平集硬化可解释弹塑性模型的热力学信息神经网络训练》，计算。方法应用。机械。工程，377，第113695条pp.（2021），网址：https://linkinghub.elsevier.com/retrieve/pii/S0045782521000311 ·Zbl 1506.74449号 [21] 黄，S。；何，Z。；化学学士。；Reina，C.，变分onsager神经网络（VONNs）：非平衡偏微分方程基于热力学的变分学习策略，J.Mech。物理学。固体，163，第104856条pp.（2022），网址：https://linkinghub.elsevier.com/retrieve/pii/S0022509622000692 [22] 马西，F。；Stefanou，I.，《演化TANN与固体力学中内变量和演化方程的发现》（2022年），arXiv。网址：http://arxiv.org/abs/2209.13269。[第二天]arXiv:2209.13269 [23] Kirchdoerfer，T。；Ortiz，M.，数据驱动计算力学，计算。方法应用。机械。工程，304，81-101（2016），网址：https://linkinghub.elsevier.com/retrieve/pii/S0045782516300238 ·Zbl 1425.74503号 [24] Ibañez，R。；Abisset-Chavanne，E。；阿瓜多，J.V。；Gonzalez，D。；库托，E。；Chinesta，F.，数据驱动计算弹性和非弹性的流形学习方法，Arch。计算。Methods Eng.，25，1，47-57（2018），网址：http://link.springer.com/10.1007/s11831-016-9197-9 ·Zbl 1390.74195号 [25] Leygue，A。；科雷特，M。；Réthoré，J。；斯泰尼尔，L。；Verron，E.，材料响应的基于数据的推导，计算。方法应用。机械。工程，331，184-196（2018），网址：https://linkinghub.elsevier.com/retrieve/pii/S0045782517307156 ·Zbl 1439.74050号 [26] Dalémat，M。；科雷特，M。；Leygue，A。；Verron，E.，无本构方程测量应力场，机械。材料。，136，第103087条pp.（2019） [27] 斯泰尼尔，L。；Leygue，A。；Ortiz，M.，《力学中的无模型数据驱动方法：材料数据识别和求解器》，计算。机械。，64、2、381-393（2019），网址：http://link.springer.com10.1007/s00466-019-01731-1 ·Zbl 1470.74077号 [28] 施密特，M。；Lipson，H.，《从实验数据中提取自由形式自然法则》，《科学》，324，5923，81-85（2009），URL:https://www.sciencemag.org/lookup/doi/10.1126/science.1165893 [29] Brunton，S.L。；普罗克特，J.L。；Kutz，J.N.，通过非线性动力系统的稀疏识别从数据中发现控制方程，Proc。国家。阿卡德。科学。，113、15、3932-3937（2016），网址：http://www.pnas.org/lookup/doi/10.1073/pnas.1517384113 ·兹比尔1355.94013 [30] 弗拉舍尔，M。；库马尔，S。；De Lorenzis，L.，可解释超弹性本构定律的无监督发现，计算。方法应用。机械。工程，381，第113852条pp.（2021）·兹比尔1506.74051 [31] 王，Z。；埃斯特拉达，J。；阿鲁达，E。；Garikipati，K.，《通过全场表征和数据驱动的变分系统识别推断生物组织软材料替代物的变形机制和本构响应》，J.Mech。物理学。固体，153，第104474条，pp.（2021），网址：https://linkinghub.elsevier.com/retrieve/pii/S0022509621001459 [32] 弗拉舍尔，M。；库马尔，S。；De Lorenzis，L.，《发现无应力数据的塑性模型》，Npj Compute。材料。，8、1、91（2022），网址：https://www.nature.com/articles/s41524-022-00752-4 [33] 马里诺，E。；弗拉舍尔，M。；库马尔，S。；De Lorenzis，L.，用EUCLID自动识别线性粘弹性本构关系（2022），arXiv。网址：http://arxiv.org/abs/2212.10969。[第二天]arXiv:2212.10969 [34] Grédiac，M.，《虚拟工作和识别原理》，C.R.L学院。科学。系列Ii，309，1，1-5（1989）·Zbl 0663.73014号 [35] Pierron，F。；Grédiac，M.，《虚拟领域方法》（2012），施普林格出版社：纽约施普林格，网址：http://link.springer.com/10.1007/978-1-4614-1824-5 ·Zbl 0899.73042号 [36] 希尔德·F。；Roux，S.，《数字图像相关性：从位移测量到弹性特性识别——综述》，《应变》，42，2，69-80（2006），网址：http://doi.wiley.com/10.1111/j.1475-1305.2006.00258.x [37] 艾薇儿，S。；阀盖，M。；布雷特尔，A.-S。；格里迪亚克，M。；希尔德·F。；艾尼，P。；拉图尔特，F。；Lemosse，D。；南卡罗来纳州帕加诺。；Pagnacco，E。；Pierron，F.，基于全场测量的机械参数识别方法概述，实验力学。，48、4、381-402（2008），网址：http://link.springer.com/10.1007/s11340-008-9148-y [38] Roux，S。；Hild，F.，从实验测量的位移场识别本构参数的最佳程序，国际固体结构杂志。，184，14-23（2020），网址：https://linkinghub.elsevier.com/retrieve/pii/S0020768318304542 [39] 弗兰克，l.E。；Friedman，J.H.，一些化学计量学回归工具的统计视图，Technometrics，35，2，109-135（1993），URL:网址：http://www.tandfonline.com/doi/abs/10.1080/0401706.1993.10485033 ·Zbl 0775.62288号 [40] Tibshirani，R.，《通过套索进行回归收缩和选择》，J.R.Stat.Soc.Ser。B统计方法。，58、1、267-288（1996），网址：http://doi.wiley.com/10.1111/j.2517-6161.1996.tb02080.x ·Zbl 0850.62538号 [41] Joshi，A。；Thakolkaran，P。；郑毅。；Escande，M。；弗拉舍尔，M。；De Lorenzis，L。；Kumar，S.，Bayesian-EUCLID：发现具有不确定性的超弹性材料定律，计算。方法应用。机械。工程，398，第115225条pp.（2022），网址：https://linkinghub.elsevier.com/retrieve/pii/S0045782522003681 ·Zbl 1507.74073号 [42] 曼，H。；Furukawa，T.，各向异性材料非线性特性的神经网络本构模型，国际。J.数字。方法工程，85，8，939-957（2011），网址：https://onlinelibrary.wiley.com/doi/10.1002/nme.2999 ·Zbl 1217.74029号 [43] 黄，D.Z。；Xu，K。；法哈特，C。；Darve，E.，使用深层神经网络从间接观测中学习本构关系，J.Compute。物理。，416，第109491条pp.（2020），网址：https://linkinghub.elsevier.com/retrieve/pii/S0021999120302655 ·Zbl 1437.65192号 [44] 刘，X。；陶，F。；杜，H。；于伟（Yu，W.）。；Xu，K.，利用基于间接可测数据的神经网络模型学习非线性本构关系，J.Appl。机械。，87，8，第081003条pp.（2020），网址：https://asmedigitalcollection.asme.org/appliedmechanics/article/doi/10.1115/1.4047036/1083320/Learning-Nonliner-Constitutive-Laws-Using-Neural（美国宪法） [45] 阿莫雷斯，V.J。；F.J.Montáns。；库托，E。；Chinesta，F.，《交叉尺度：连续尺度下非均匀试验中聚合物微观尺度行为的数据驱动测定》，Front。材料。，9，第879614条pp.（2022），网址：https://www.frontiersin.org/articles/10.3389/fmats.2022.879614/full [46] D.安东。；Wessels，H.，从全场位移数据中为材料模型校准提供物理信息的神经网络（2022），arXiv。网址：http://arxiv.org/abs/2212.07723。[cs]arXiv:2212.07723 [47] Onsager，L.，《不可逆过程中的相互关系》。一、 物理学。修订版，37、4、405-426（1931），网址：https://link.aps.org/doi/10.103/PhysRev.37.405 [48] Onsager，L.，《不可逆过程中的相互关系》。二、 物理学。修订版，38、12、2265-2279（1931），网址：https://link.aps.org/doi/10.103/PhysRev.38.2265 ·Zbl 0004.18303号 [49] Doi，M.，Onsager的软物质变分原理，J.Phys.：康登斯。Matter，第23、28条，第284118页（2011年），网址：https://iopscience.iop.org/article/10.1088/0953-8984/23/284118 [50] Ziegler，H.，热力学和流变学问题，Ing.Arch。，25、1、58-70（1957），网址：http://link.springer.com/10.1007/BF00536645 ·兹伯利0078.38904 [51] Ziegler，H.，《试图概括Onsager原理及其对流变学问题的意义》，ZAMP Z.Angew。数学。Physik，9，5-6，748-763（1958），网址：http://link.springer.com/10.1007/BF02424793 ·Zbl 0081.40002 [52] Ziegler，H.，内部参数服从正交条件的系统，Z.Angew。数学。Physik ZAMP，23，4，553-566（1972），网址：http://link.springer.com/10.1007/BF01593978 ·Zbl 0272.73006号 [53] 哈尔芬，B。；Nguyen，Q.S.，Sur les matériaux standard généraliséS，26（1975） [54] 斯坦曼，P。；Runesson，K.，《计算材料模型目录：1D中的基本几何线性模型》（2021），Springer国际出版：Springer International Publishing Cham，URL:http://link.springer.com/10.1007/978-3-030-63684-5 ·Zbl 07657236号 [55] Yu，H。；田，X。；E、 W。；Li，Q.，OnsagerNet：使用广义Onsager原理Phys学习稳定和可解释的动力学。Rev.Fluids，6，11，第114402条，第（2021）页，网址：https://link.aps.org/doi/10.103/PhysRevFluids.6.114402 [56] González，D。；Chinesta，F。；Cueto，E.，热力学一致性数据驱动计算力学，Contin。机械。热电偶。，31,1239-253（2019），网址：http://link.springer.com/10.1007/s00161-018-0677-z [57] 赫尔南德斯，Q。；巴迪亚斯，A。；González，D。；Chinesta，F。；Cueto，E.，结构保持神经网络，计算机J。物理。，426，第109950条pp.（2021），网址：https://linkinghub.elsevier.com/retrieve/pii/S0021999120307245 ·Zbl 07510064号 [58] 张，Z。；Shin，Y。；Karniadakis，G.E.，GFINNs:确定性和随机动力系统的通用形式主义神经网络，Phil.Trans。R.Soc.A，380，2229，第20210207条，pp.（2022），网址：http://arxiv.org/abs/2109.00092。[cs，math]arXiv:2109.0092 [59] Grmela，M。；奥廷格，H.C.，《复杂流体的动力学和热力学》。一、一般形式主义的发展，物理学。E版，56、6、6620-6632（1997），网址：https://link.aps.org/doi/10.103/PhysRevE.56.6620 [60] Hütter，M。；Svendsen，B.，《关于固体连续体热力学模型作为非平衡可逆耦合通用方程的公式》，12（2011） [61] Mielke，A.，使用GENERIC的热弹性耗散材料行为公式，Contin。机械。热电偶。，2323-256（2011），网址：http://link.springer.com/10.1007/s00161-010-0179-0 ·Zbl 1272.74137号 [62] Nguyen，Q.S.，《关于标准耗散梯度模型》，《固体结构》。机械。，1、2、79-86（2010），网址：http://link.springer.com/10.1007/s12356-010-0006-0 [63] Miehe，C.，梯度扩展标准耗散固体的多场增量变分框架，J.Mech。物理学。固体，26（2011） [64] 库马尔，A。；Lopez-Pamies，O.，《关于橡胶粘弹性材料的双势本构模型》，C.R.MéC。，344，2，102-112（2016），网址：https://linkinghub.elsevier.com/retrieve/pii/S1631072115001448 [65] Rockafellar，R.T.，《凸分析》（2015），普林斯顿大学出版社 [66] Touchette，H.，Legendre-简而言之（2007） [67] Lemaitre，J。；Chaboche，J.-L.，《固体材料力学》（1994），剑桥大学出版社 [68] J.-C.米歇尔。；Suquet，P.，《材料微观力学中保持本构关系变化结构的模型还原方法》，J.Mech。物理学。固体，90254-285（2016），网址：https://linkinghub.elsevier.com/retrieve/pii/S0022509616300928 ·Zbl 1481.74062号 [69] J·Bühdorn。；Gauger，N.R。；Kabel，M.，AutoMat:GPU上通用标准材料的自动微分，计算。机械。，69、2、589-613（2022），网址：https://link.springer.com/10.1007/s00466-021-02105-2 ·Zbl 07492686号 [70] Simo，J.C.（西莫，J.C.）。；Hughes，T.J.R.，（计算非弹性。计算非弹性，跨学科应用数学，第7卷（1998），Springer:Springer New York）·Zbl 0934.74003号 [71] Neto，E.d.S。；佩里克·D·。；Owen，D.，塑性计算方法（2008），John Wiley&Sons [72] Korelc，J.，非线性有限元代码的多语言和多环境生成，工程计算。，18、4、312-327（2002），网址：http://link.springer.com/10.1007/s003660200028 [73] Rothe，S。；Hartmann，S.，《应力和一致切线计算的自动微分》，Arch。申请。机械。，85、8、1103-1125（2015），网址：http://link.springer.com/10.1007/s00419-014-0939-6 [74] Giunta，M。；Angela Pisano，A.，沥青混凝土一维粘弹塑性本构模型，Multidiscip。模型。马特。结构。，2，2，247-264（2006），网址：https://www.emerald.com/insight/content/doi/10.1163/157361106776240761/full/html [75] Miled，B.英里。；Doghri，I。；Delannay，L.，均质和各向同性聚合物的粘弹-粘塑性耦合建模：数值算法和分析解，计算。方法应用。机械。工程，200，47-48，3381-3394（2011），网址：https://linkinghub.elsevier.com/retrieve/pii/S0045782511002702 ·Zbl 1230.74049号 [76] Miled，B.，均质和增强热塑性聚合物的粘弹-粘塑性耦合建模（2011），（博士论文）·Zbl 1230.74049号 [77] Sun，L。；Zhu，Y.，一个描述沥青混凝土混合料随时间变化的变形行为的具有热力学一致性的连续两阶段粘弹-粘塑性本构模型，Constr。生成。材料。，40584-595（2013），网址：https://linkinghub.elsevier.com/retrieve/pii/S0950061812007489 [78] 布洛克，C。；Matzenmiller，A.，从增强流变模型推导的热粘塑性，PAMM，12，1，327-328（2012），URL:https://onlinelibrary.wiley.com/doi/10.1002/pamm.201210152 [79] Hartmann，S.，《利用拉扭试验识别Rivlin超弹性材料参数的数值研究》，机械学报。，148，1-4129-155（2001），网址：http://link.springer.com/10.1007/BF01183674 ·Zbl 0996.74012号 [80] Pierron，F。；艾薇儿，S。；Tran，V.，虚拟场方法在循环载荷和运动硬化下弹塑性材料识别中的扩展，国际固体结构杂志。，47, 22-23, 2993-3010 (2010) ·Zbl 1203.74020号 [81] 马雷克，A。；戴维斯，F.M。；罗西，M。；Pierron，F.，基于灵敏度的虚拟场对大变形各向异性塑性的扩展，国际期刊Mater。表格，12,3457-476（2019），网址：http://link.springer.com/10.1007/s12289-018-1428-1 [82] 萨维茨基，A。；Golay，M.J.E.，《通过简化最小二乘程序对数据进行平滑和微分》，《分析》。化学。，36、8、1627-1639（1964），网址：https://pubs.acs.org/doi/abs/10.1021/ac60214a047 [83] 弗拉舍尔，M。；库马尔，S。；De Lorenzis，L.，“发现无应力数据的塑性模型”补充软件，ETH Libr。(2022) [84] M.Flaschel，S.Kumar，L.De Lorenzis，FEM数据-使用EUCLID自动发现通用标准材料模型，ETH研究收集，2022年，http://dx.doi.org/10.3929/ethz-b-000586072。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。