Micrometer：用于预测异构材料力学响应的微观机械变换器

异构材料在 various 工程应用中起着关键作用，但其复杂的多尺度行为对传统计算方法的有效性构成了挑战。本文引入 Micromechanics Transformer (Micrometer)，这是一种人工智能 (AI) 框架，用于预测异构材料的力学响应，弥合了高级数据驱动方法与复杂固体力学问题之间的差距。在大规模高分辨率的 2D 纤维增强复合材料数据集上进行训练，Micrometer 能够在广泛的微观结构、各种加载条件下的材料性质下，实现在预测微观应变场方面的最先进性能。我们通过在计算同质化和多尺度建模中的应用，展示了 Micrometer 的准确性和计算效率，其中 Micrometer 在预测宏观应力场时仅产生 1% 的误差，计算时间比传统数值求解器缩短了最高可达两个数量级。我们进一步通过在新材料上进行有限数据上的迁移学习实验，展示了所提出模型的适应性，凸显了其在固体材料力学分析中处理多种情形的潜力。我们的工作代表了 AI 驱动计算固体力学创新的重大步骤，解决了传统数值方法的局限性，为跨越各行业应用的异构材料仿真铺平了道路。