近日，中国科学院力学研究所与清华大学合作，围绕人工智能赋能力学本构建模开展系统综述，提出并定义智能本构（Artificial Intelligence for Constitutive Modelling，AICON）概念，梳理跨尺度研究进展与关键挑战，探讨物理规律与数据学习融合的建模路径及未来发展方向。相关综述以“Artificial intelligence for constitutive modelling of materials across scales”为题，发表在国际期刊Progress in Materials Science。

本构模型描述材料在载荷和环境作用下如何变形、承载与失效，是工程仿真和结构设计的重要基础。材料的宏观力学响应涉及原子相互作用、缺陷运动和微结构演化等不同尺度的机制。综述通过“缺陷—机制—模型—性能”框架，展示了这些机制与材料力学行为之间的联系（图1）。在复杂载荷和多场耦合条件下，如何准确描述不同机制的共同作用，并利用有限的数据实现可靠预测，是材料本构建模面临的重要挑战，也是推动力学理论发展与工程应用的重要课题。

围绕跨尺度力学问题，综述构建了“离散体系—连续介质—尺度衔接—复杂材料系统”的分析框架。针对离散体系，讨论机器学习原子间势与颗粒相互作用；针对连续介质，总结弹性、非弹性本构建模及材料历史记忆的表征方法；围绕尺度衔接，分析不同空间与时间尺度之间的信息传递；面向复杂材料系统，梳理机理识别、可靠性评估和反向设计等研究进展。通过联系不同尺度与不同方法，文章呈现了人工智能赋能材料力学建模的整体研究图景。

面向未来，综述围绕通用原子势、通用本构智能、直接数据驱动建模和跨尺度能力拓展，提出四个相互关联的关键问题（图2）。这些问题涉及模型精度、效率与适用范围的平衡，多模态数据融合与材料状态表征，数据驱动计算中的物理一致性，以及不同尺度之间的信息传递。文章强调数据学习与物理规律的融合，指出智能本构模型的发展与评价应兼顾预测精度、对不同材料和工况的泛化能力，以及工程仿真中的数值稳定性。

为推动智能本构的工程应用，综述进一步探讨了面向计算机辅助工程（CAE）系统集成的技术协议，强调透明建模、标准化接口、可复现验证与模型持续更新，为智能本构模型的共享、验证与工程应用提供参考。

力学所温济慈副研究员为第一作者，王云江研究员与清华大学魏宇杰教授为共同通讯作者。该工作得到国家自然科学基金（12588201、12472112）和中国科学院先导专项项目（XDB0620103、XDB0510301）的支持。

论文链接：https://doi.org/10.1016/j.pmatsci.2026.101854

图1材料力学行为与失效的多尺度“缺陷－机制－模型－性能”关联框架

图2智能本构（AICON）未来发展的四个关键问题及其目标与挑战