CPDEM：面向随机材料参数固体力学问题的本构参数化深度能量法

研究者提出本构参数化深度能量法（CPDEM），将随机本构参数编码为隐表示并与空间坐标一同输入神经网络，把传统空间配点变为参数感知的材料点，通过参数域上的期望能量最小化无监督训练，实现对未知材料参数的零样本实时位移场推理，无需生成数据集或重新训练。该方法在线性弹性、有限应变超弹性与高度非线性接触力学等基准上得到验证，作者称其为首个能同时高效处理固体力学连续多参数变化的纯物理驱动深度学习范式。