康國政教授團隊專著英文版出版

近日，由國際著名學術出版機構Elsevier和中國科學出版社聯合出版的學術專著《Machine Learning in the Analysis of Deformation, Fatigue and Fracture in Solids》正式發布。該書中文版《基于機器學習的固體變形與疲勞斷裂分析》率先由科學出版社出版，旨在及時向國內學術界與工業界介紹此前沿交叉領域的最新進展；其后出版的英文版，則是在此基礎上，結合團隊和國內外最新研究進展進行了大幅調整與完善，旨在面向全球讀者分享該領域的研究方法與工程應用實踐，促進國際學術交流。

《Machine Learning in the Analysis of Deformation, Fatigue and Fracture in Solids》由西南交通大學康國政教授團隊（康國政、闞前華、張旭、胡雅楠、李翔宇）撰寫，系統闡述了如何利用機器學習（ML）技術，為解決固體材料變形與失效分析中的長期挑戰提供全新的、高效的解決方案，標志著該領域的研究進入了數據與物理模型深度融合的新階段。

傳統上，預測材料在載荷下的變形、開裂和疲勞失效行為高度依賴于復雜的物理模型和計算成本高昂的數值模擬。這些方法在處理材料行為的多尺度特性、多因素耦合等復雜場景時常常面臨巨大挑戰。本書介紹了一種變革性的研究范式：通過利用ML從海量數據中挖掘隱藏規律，極大提升了材料力學行為分析的準確性和效率。本書核心亮點：

1)貫穿微觀到宏觀的多尺度視角： 本書系統涵蓋了從原子尺度（分子動力學模擬）、微觀尺度（離散位錯動力學）到細觀尺度（晶體塑性有限元法）的ML應用案例，展現了ML在打破尺度壁壘方面的強大潛力。

2)超越“黑箱”： 本書不僅介紹了數據驅動模型，更深入闡述了物理機理驅動ML等前沿方向。書中詳解說明如何將基本的物理定律作為約束嵌入ML模型，從而保證預測結果既精確又符合物理規律，即使在數據有限的情況下仍具備良好的泛化能力。

3)聚焦材料疲勞與斷裂核心難題：深入探討了基于ML方法的材料斷裂韌性預測、疲勞裂紋萌生與短裂紋/長裂紋擴展行為分析，為材料疲勞與斷裂分析提供了創新性工具與方法。

4)面向工程結構分析的案例實踐：內容包含豐富的工業應用案例，涉及復合材料結構加工變形、焊接接頭疲勞、高強螺栓疲勞、3D 打印微針穿刺、不規則界面接觸等多個典型工程場景。通過本書，讀者可系統掌握構建ML模型的方法，并將其應用于解決復雜載荷下的結構變形預測、疲勞壽命評估與失效模式識別等實際工程問題。

全書共6章，第1章為緒論；第2章為ML算法及流程簡介，介紹常用的ML算法及其使用流程；第3章為基于ML的多尺度塑性力學分析，介紹基于ML的分子動力學模擬、離散位錯動力學模擬、晶體塑性有限元模擬和本構模型構建過程；第4章為基于ML的材料斷裂行為研究，介紹ML在裂紋源、裂紋擴展行為、斷裂強度和斷裂韌性預測中的應用；第5章為基于ML的材料疲勞壽命預測，介紹基于數據驅動和物理機理驅動的ML方法，及其在材料疲勞壽命預測中的應用進展；第6章為基于ML的固體結構分析，介紹ML在固體結構變形、疲勞與斷裂行為研究中的典型應用案例。

本書可供高等學校力學、機械、土木、航空航天等專業本科生使用，也可供研究生和工程技術人員參考。

本書在國家自然科學基金重大項目“材料長效使役性能高通量表征的力學理論與實驗方法”（12192210; 12192214）資助下完成，特此感謝！

來源：高通量表征力學微信公眾號

專著英文版介紹：https://shop.elsevier.com/books/machine-learning-in-the-analysis-of-deformation-fatigue-and-fracture-in-solids/kang/978-0-443-4

中文版介紹：

（本文編輯：劉四旦）

專業品質 學術價值

原創好讀 科學品位

一起閱讀科學