本报讯 理解材料本构关系在极端条件下对先进金属和超合金进行建模、设计和实际应用至关重要。当前迫切需要开发一种多尺度神经网络本构代理模型，以提高效率并解决历史依赖问题。

近日，航院刘应华教授团队提出了一种多尺度自回归物理指导的深度学习模型。该模型计算效率提升了两个数量级，并且能够有效消除多尺度全连接神经网络解决历史依赖性时存在的固有累积误差。

研究成果以“有限变形条件下预测晶体塑性微观演化的多尺度物理指导深度学习框架”为题，发表于《固体力学与物理学杂志》（Journal of the Mechanicsand Physics of Solids）。

航院2021级博士生翁焕博、刘应华为论文共同通讯作者，航院2023级博士生刘伟为论文第一作者。

（航院）