非弹性本构人工神经网络的一般化对偶势：有限应变下的 JAX 实现

我们提出了一种为非弹性本构人工神经网络（iCANNs）设计广义对偶势或伪势的方法论。该势以应力不变量表示，在大变形下本质上满足热力学一致性。与我们之前的工作相比，新的势能捕捉了更广泛的材料行为，包括压力敏感的非弹性。为此，我们重新审视了有限应变非弹性iCANNs的底层热力学框架，并推导了构建凸、零值且非负的对偶势的条件。为了将这些原理嵌入神经网络中，我们详细介绍了架构的设计，确保先验满足热力学。为了评估所提出的架构，我们研究了其在发现粘弹性材料行为方面的性能和局限性，尽管该方法不限于粘弹性。在此背景下，我们研究了发现非弹性材料策略的不同方面。我们的结果表明，新架构能够稳健地发现可解释的模型和参数，同时自主揭示非弹性程度。iCANN框架使用JAX实现，可在 https://doi.org/10.5281/zenodo.14894687 公开获取。