近日，《上海科技报》记者吴苡婷采访了学院“人工智能驱动的多物理耦合力学”创新研究群体带头人张田忠教授，项目采访报道《在AI辅助下寻找解决力学“世纪难题”的方法 》刊发于11月27日《上海科技报》第3版《大学科技》专栏。
2007年11月，美国空军的一架F-15战机在训练中机头突然脱落；2018年2月和2020年12月，美联航和日本航空公司的波音777客机分别发生空难；2017年7月，中国研发的长征五号遥二火箭发射失利……经过各种排查，发现引起这些事故的主要原因是金属疲劳，其背后是复杂工况下材料的疲劳问题，这是迄今为止无法很好解决的力学世纪难题。
面向世界科技前沿和国家重大需求，凝练学术真问题、实现科学真突破、解决技术真痛点，实现高水平科技自立自强，国家自然科学基金委创新研究群体项目“人工智能驱动的多物理耦合力学”启动会在上海大学召开。这标志着上海大学的力学科研团队朝力学研究的新突破开始了跋涉和冲锋。
“复杂力学”问题的解决关系到国家未来的发展高度
中国的力学研究起源很早。“力，形之所以奋也。”《墨经》对力的描述比亚里士多德早了几百年。我国古代的重要工程，如赵州桥、都江堰中都有精巧的力学设计。
1949年后，中国在力学上的突破有力地支撑了国之重器的研发。4位中国近现代力学奠基人让中国力学水平达到了国际先进水平，也解决了重大工程设计难题。钱学森先生的亚声速流动和物理力学理论、郭永怀先生的跨声速流动理论和奇异摄动理论、周培源先生的湍流模式理论、钱伟长先生的板壳内禀统一理论，都是世界性的力学贡献。钱学森、郭永怀也因其突出贡献被授予“两弹一星”功勋奖章。
上海大学力学学科由钱伟长先生亲手创办，建设伊始就希望用非线性方法去解决国计民生中的复杂力学问题。
“力学是应用性很强的基础学科，与先进工程技术等前沿技术紧密相关。但目前与发达国家相比，我国在重大装备设计方面还有较大差距，商用力学软件更是被欧美垄断，比如有限元模拟软件ABAQUS是法国研制的，飞机设计软件 NASTRAN是美国宇航局研制的，导致不仅随时可能被卡脖子，还严重影响国家工业安全。”上海大学力学与工程科学学院院长张田忠教授告诉记者。
在社会发展需求和科技进步助推的双力驱动下，复杂环境、多场耦合、强非线性、多尺度、多介质等复杂问题成为力学学科前沿研究重点。疲劳、湍流等相关问题被喻为力学“世纪难题”，集成电路、航空航天、能源装备、新材料、先进制造等领域迫切需要在多物理耦合力学领域突破创新。这些问题的解决关系到国家未来科技的发展高度。
张田忠解释说，所谓多场耦合是指力学、电学、热学等多场作用，所谓多尺度指的是材料和结构的力学行为受不同尺度特征的影响，所谓多介质是指装备内部同时有不同组分、不同物态的物质。在复杂环境下，要探究材料和结构的力学效应是十分困难的，最大的挑战是力学建模困难，比如火箭发动机涡轮泵所处的工作环境极其复杂，属于力热、流固的强耦合状态。这种情况下，不可能在计算机或实验室完全再现真实工况，设计中常采用试错法，也就是在一定仿真计算和模拟实验基础上，凭经验调整设计参数，通过实验检验是否达到设计标准。但在何种参数下，材料结构的性能表现最好，并不十分清楚，希望能在AI辅助下寻找解决力学“世纪难题”的方法。
让人工智能找出未曾发现的“新关联”
在张田忠看来，人工智能推动力学发展，是学科又一次飞跃机遇。他介绍说，第一次飞跃是数学驱动，力学与数学结合，通过严谨数学方法，建立严格的力学理论，比如钱伟长先生提出的板壳内禀理论。第二次飞跃是计算驱动，主要是借助数值计算，发展解决工程问题的算法，如广义变分原理。第三次飞跃就是AI驱动，基于力学信息和人工智能，构建力学新体系。早期力学依靠实验观测去研究，这是力学第一研究范式；力学与数学结合是第二研究范式，可解决较纯粹的问题；复杂问题通过计算机模拟解决，称之为第三研究范式。力学与人工智能结合，标志着力学第四研究范式时代的来临，能够帮助科学家迅速建立变量之间的关联。
事实上，早在2017年，群体顾问张统一院士到上海大学后不久，就在中国科学院委托的《学科发展战略报告》中，提出“力学信息学”概念。他指出，力学将继数学驱动、计算驱动后，进入“人工智能驱动的智能分析”时代。之后，上海大学力学与工程科学学院将力学信息学列为重点建设方向，聚焦多物理耦合问题的人工智能求解，组建以群体骨干成员为主要负责人的攻坚团队。2017年，张统一带领的“材料基因组工程”团队入选上海市战略创新团队，通过多年努力，团队已打造出可进行材料设计的智能软件。张田忠带领的“智能运载系统的力学基础”团队和群体骨干江进武带领的“人工智能驱动的非线性力学”团队也先后入选上海市战略创新团队。此外，群体骨干丁虎、庄启亮、王伯福参与了周全教授带领的“海空装备的流固耦合与智能控制”创新团队。
在未知的世界中摸索挑战和机遇并存
项目虽已启动，但有很多挑战。首先是人工智能模型泛化能力的提升。
“人工智能技术可较好地解决训练数据范围内的问题，但范围以外的问题如何去解决？这就需要提高机器学习模型的泛化能力，泛化是指模型对新数据进行分析或预测的能力。” 张田忠介绍说，人工智能模式很像远古时期神农尝百草模式，吃一吃、试一试，看哪个管用，只不过尝百草的人变成了人工智能模型。相较个人模式，人工智能的经验总结能力肯定大大提高，但其必须依赖大数据训练。将已有知识融入模型，有助于模型减小数据依赖，提升泛化能力。此外，人工智能方法给出的只是变量关联关系，并非物理因果关系，其背后的科学原理还需要科研工作者去分析。可以说，人工智能方法目前处于第一范式，可能也会逐渐进入第二、第三范式，这有待数学工具和计算方法的更新。
其次，在多物理强耦合作用下，不仅介质的力学行为表现出强非线性，结构的服役条件（如边界条件、载荷等）也时常复杂到难以被准确给定，因此如何对介质/结构进行智能优化的算法设计也是一个开放性难题。
“人工智能对力学学科来说好比是一件兵器，但不同的细分方向需要的‘绝招’不一样，每个力学研究方向的人工智能大模型会呈现出百花齐放的状态，就像智能手机一样，使用中充满个性化色彩。”张田忠举例说，比如对于一些功能材料，我们希望发展基于知识引导的智能分析算法，通过热力学行为和动态损伤过程，揭示材料多场耦合力学行为、损伤规律及其与多尺度结构，对材料损伤和疲劳情况进行预测；又比如，面向先进制造（如增材制造、微纳加工），希望模型能构建工艺参数-微观结构-力学性能之间的有机关联，找到数据与知识双驱动的智能求解方法，建立描述材料微观结构演化方程。
人工智能模型在重大工程中的落地应用仍需进行审慎思考。“人工智能模型目前仍是黑箱模型，一方面，我们将探索构筑适合其发挥作用的重大应用场景；另一方面，我们将面向重大装备和先进制造中的复杂难题，通过知识融入，探索人工智能模型的破壳方法，从模型的定量关联中挖掘因果关系，为模型可靠应用夯实基础。”张田忠说。
