ИИ научился извлекать законы материалов прямо из экспериментальных данных

Исследование опубликовано в журнале Science Advances. Учёные из Восточного технологического института (EIT) в Нинбо разработали граф-ориентированный подход, который напрямую извлекает точные конституционные уравнения из экспериментальных данных по механическому поведению материалов.

Как работает новый метод

В основе подхода GraphED лежит представление физических уравнений в виде направленных графов вместо традиционной древовидной структуры. В такой архитектуре узлы соответствуют математическим операторам и физическим переменным, а направленные рёбра определяют их логические и вычислительные связи. Рёбра также могут содержать фиксированные физические константы и настраиваемые параметры, зависящие от материала.

По словам Юньтяня Чена, доцента EIT и соавтора исследования: «Основная техническая сложность заключалась в эффективном кодировании как архитектур уравнений, так и параметров, зависящих от материала, в формат, пригодный для поиска вычислительными алгоритмами. Представляя математические уравнения как графовые структуры, мы позволили одновременно оптимизировать топологию уравнения и параметризацию материала, что решило эту ключевую проблему».

Преодоление ограничений традиционного подхода

Традиционно исследователи выводят математические формы на основе физической интуиции, а затем калибруют параметры модели, используя экспериментальные данные. Хао Сюй, постдокторант EIT и ведущий автор исследования, отметил: «Хотя эта парадигма добилась большого успеха в механике, предопределённые структуры уравнений по сути ограничивают описательные и прогностические возможности модели. Наша система меняет исследовательскую парадигму: она начинает чисто с экспериментальных данных и использует искусственный интеллект для автономного поиска и определения оптимальных конституционных уравнений».

Результаты на разных материалах

Для легированных сталей метод успешно обнаружил явные уравнения, управляющие зависимостью от скорости деформации и поведением упрочнения при деформации. Встроенные в полную конституционную модель, эти уравнения, полученные из данных, обеспечивают более точные механические предсказания, чем широко применяемая модель Джонсона–Кука.

Для литиевого металла — критического материала для энергетических устройств, чьё механическое поведение чувствительно к температуре и скорости деформации — GraphED выдал компактные уравнения пластического течения, которые достигают лучшего согласия с экспериментальными измерениями по сравнению с обычными эмпирическими моделями.

Система также была применена к наполненным резинам, где выявила компактное гиперупругое конституционное уравнение, которое сохраняет надёжную точность при изменении состава материала и температурных условий.

Значение открытия

Дунсяо Чжан, профессор-председатель EIT и соавтор исследования, пояснил: «Многие сложные механические поведения материалов не могут быть хорошо описаны существующими эмпирическими конституционными моделями. Открытие уравнений через граф-ориентированный ИИ предоставляет мощную новую парадигму для помощи исследователям в выведении строгих математических описаний, когда традиционные формы моделей оказываются недостаточны».

Фреймворк показывает широкий потенциал для дисциплин, стремящихся к интерпретируемым физическим законам, полученным непосредственно из экспериментальных и наблюдательных данных.