图神经网络在力学相关领域的应用综述

力学相关问题往往面临准确几何与物理表示的挑战，尤其是对于非均匀结构。图神经网络（GNN）凭借对不规则结构图数据的学习能力，成为解决这一难题的有前景的工具。因此，近年来随着 GNN 技术进步，力学相关领域的复杂应用数量呈上升趋势。尽管如此，目前仍缺乏系统性综述系统梳理 GNN 在解决力学问题中的最新进展。为弥合这一差距，本综述旨在提供 GNN 在力学相关领域应用的深入概览，同时识别关键挑战并阐述潜在的未来研究方向。本综述首先介绍在力学相关应用中广泛使用的 GNN 基本算法，并简要解释其底层原理，以建立对力学相关领域 GNN 应用的扎实理解。本文的范围涵盖固体力学、流体力学及跨学科力学相关领域，提供图表示方法、GNN 架构及其各子领域的深入讨论。此外，还总结了相关开放数据与源码，便于未来研究者使用。本文促进了 GNN 与力学之间的跨学科融合，为有意应用 GNN 解决复杂力学问题的研究者提供指南。