固体塑性与损伤的微结构非弹性指纹及数据丰富预测

固体中的非弹性力学响应，如塑性、损伤和裂纹萌生，通常以显示微结构及载荷依赖性的本构方式建模。然而，微结构性质却采用无穷小变形下的线性弹性。我们展示了一个基于微结构图像序列构建非弹性倾向指纹的框架，并将其用于直至失效的力学响应的数据丰富预测。类比于常见指纹，我们表明这些二维失稳前兆特征可用于重构未知样品微结构的完整力学响应；这一功绩是通过在专为图像识别微调的深度卷积神经网络辅助下重构适当的平均行为来实现的。我们在位错塑性的玩具模型中展示了微结构指纹识别的基本方面，随后在模式I断裂载荷下模型二元合金的相场模拟中说明了该方法的可扩展性与鲁棒性。