AI赋能复合材料力学：机器学习、PINN与多尺度仿真

近年来，人工智能与计算力学的融合为复合材料力学研究开辟了新路径：物理信息神经网络

（PINN） 能够将复合材料本构方程、平衡微分方程等物理约束直接嵌入深度学习模型，显著提

升小样本条件下的预测外推能力；生成式 AI（GAN/VAE）可有效扩充微观结构图像数据集，解决

材料数据稀缺痛点；机器学习可解释性（SHAP） 则为揭示"纤维含量-温度-应变率-强度"之间的非线性映射关系提供了量化工具。与此同时，Nature、CMAME 等顶刊持续刊发"PINN+复合材料"、"多尺度建模+AI"等交叉研究成果，表明该方向已成为国际学术前沿。