唐山
大连理工大学
受大语言模型启发的数据驱动粘弹性软体结构力学行为预测方法
软流体致动器(SFAs)作为一类典型的软体结构,凭借其卓越的顺应性、可扩展性和生物相容性,已成为软体机器人的核心驱动元件。然而,当前许多研究主要局限于捕捉其时间无关的超弹性响应,导致在表征其时间相关的粘弹性响应时预测精度不足。本工作提出一种带有力学约束的数据驱动粘弹性本构模型,该模型能够精确表征液压/气动SFAs的时间相关粘弹性行为。其核心创新在于定制化开发了一套有限变形下的记忆衰减网络(fMND),该网络将两项力学约束:粘弹性记忆衰减特性和热力学一致性,直接嵌入到网络的训练过程中,使该力学约束严格满足。本数据驱动方法仅需少量的实验数据,并能在有限元框架中进行数值实现。另外,该方法还展现出能基于多样化实验结果增强模型泛化能力的特点,同时具备预测SFAs之外其他软体结构粘弹性行为的潜力,这些特点与大语言模型的基本原理高度契合。
唐山,大连理工大学教授,博士生导师。长期从事材料力学性能、结构断裂破坏理论和计算方法及其应用、数据驱动计算力学等相关领域的研究,致力于应用力学手段去解决工程应用中的实际问题。已发表SCI论文110余篇,包括力学顶级期刊JMPS,CMAME,IJP;顶级综合类期刊Advanced Materials,Advanced Energy Materials,Nano Letters等。SCI他引2152次(Web of Science),谷歌学术引用3037次。近5年(2019年至今)一作或通讯论文47篇,SCI他引约1128次(Web of Science),谷歌学术引用2458次。应邀参与撰写Springer出版社书章2篇。曾获得“王仁先生青年科技奖”,获批中组部第5批青年千人计划,大连理工大学“星海杰青”等人才项目,主持国防973项目子课题“新型XXX车结构设计”,主持自然基金委面上项目3项,主持辽宁省科技重大专项子课题“基于AI技术的结构创新设计方法研究”,主持中国舰船研究设计中心横向课题2项,主持华为机器有限公司横向课题一项以及山东京博控股集团有限公司横向课题一项。近年来专注于数据驱动计算力学相关研究,发展了多种利用机器学习技术和力学先验知识的本构建模方法及结构优化方法,是国内较早开展相关领域研究的团队之一。目前已在该方向上发表高水平论文17篇,累计引用530余次,包括多次实质性引用。