报告时间：2023年11月5日（星期日）15:00-16:30
报告地点：纬地楼501室
报 告 人：唐山 教授
工作单位：大连理工大学
举办单位：土木与水利工程学院
报告简介：
固体力学模拟离不开材料的本构模型，随着材料科学的发展，人们需要不断的为新材料建立本构模型，整个过程费时费力，制约了新材料的应用和发展。近年来许多学者试图用机器学习技术解决该问题，但是该类算法大多摒弃了力学的先验知识，导致所需的数据量极大影响该类方法的计算实现。报告人不把深度学习等机器学习工具仅仅当作数据拟合的工具和黑箱（Matlab, Tensorflow, Pytorch等），而是引入力学机理进行模型训练，将训练的模型通过Fortran/C语言重新编写进有限元程序，进行结构件计算分析。报告人通过整合各向同性、同轴假设、热力学定理等力学先验知识和已有深度神经网络，分别发展了针对超弹性、弹塑性、循环载荷下的弹塑性、粘弹性、以及粘塑性材料等的数据驱动本构建模及其算法，能够显著降低构建数据驱动模型的数据量需求，训练得到的模型具有较高的计算稳定性。本次报告主要介绍通过代表单元法，进行复合材料的本构建模，并提出计算方法进行有限元实现，相比于对复合材料的微结构直接数值模拟，计算时间大幅减少；相比有现有的数据驱动计算方法，能与商用有限元软件的计算时间在同一量级。报告内容主要包括：1、针对非线性弹性复合材料，提出了在应力主空间生成数据，通过人工神经网络进行学习的本构建模和计算方法；2、提出了基于次屈服面理论的塑性材料数据驱动本构建模和计算方法，实现对循环载荷下特有的曼辛效应、棘轮效应等复杂力学行为的预测。3、提出了搭建满足热力学定律的自定义人工神经网络和卷积神经网络的组合网络，仅用少量数据建立小变形和有限变形框架下粘弹性材料本构建模的数据驱动计算方法。
报告人简介：
唐山，大连理工大学工程力学系教授，曾入选国家高层次青年人才计划，获“王仁先生青年科技奖”。长期致力于固体材料的本构、断裂及表界面失稳的力学机制及计算方法的研究，力图为设计新一代先进材料提供新型计算方法和工具。近几年着力发展基于固体力学先验知识和机制的数据驱动计算力学方法，来实现快速便捷准确的本构模型建立、断裂及失稳的预测，并提出数据驱动结构拓扑优化设计新技术来解决工程结构设计问题。在计算力学顶级期刊CMAME和固体力学旗舰期刊JMPS以及IJP，IJSS，Advance Materials，Advance Energy Materials，Acta Materials，Nano letter等期刊上发表学术论文105篇。受邀在国际会议和国内会议报告多次，包括IUTAM Symposium做特邀报告，并担任了《力学快报》（《Theoretical and Applied Mechanics Letters》）编委，以及中国力学学会计算力学专业委员会数据驱动的计算力学方法专业组秘书。
