该论文提出的本构建模框架主要针对哪类材料？
针对通过多材料3D打印制备的数字材料，这类材料由硬、软组元按比例混合，表现出随成分变化、强非线性且依赖加载速率的黏弹性行为。
Data-Driven Discovery of Composition-Dependent Constitutive Models for Hyperelasticity and Viscoelasticity of Digital Materials
（翻译）数据驱动发现数字材料的超弹性和粘弹性随成分变化的本构模型
资讯摘要
Abstract page for arXiv paper 2609.04541: Data-Driven Discovery of Composition-Dependent Constitutive Models for Hyperelasticity and Viscoelasticity of Digital Materials
AI 摘要
该论文介绍了一种面向数字材料的数据驱动多材料本构建模框架，扩展了Bergström-Boyce模型。框架保留经典模型的乘式运动学、不变量应变能函数和沿归一化非平衡偏应力的标量耗散演化律，并利用神经常微分方程或人工神经网络，从多速率单轴压缩数据中学习平衡与非平衡分支，从而跨材料成分预测率相关刚度和滞回行为，并保持热力学一致性。
AI 问答
该框架如何保持热力学一致性？
框架保留经典Bergström-Boyce模型的结构，采用乘式运动学、不变量应变能函数以及沿归一化非平衡偏应力方向的标量耗散演化律，并通过约束网络或神经ODE学习平衡与非平衡分支，从而满足热力学一致性。
更多资讯
Python 拥抱 RISC-V：CPython 正式纳入 Tier 3 平台圆桌：新能源：后时代的深水淘金 | 36氪 2026产业未来大会
Cloudflare将每天90亿次请求的JavaScript CDN迁移到其开发者平台Steam Frame 起售价 1059 美元
HYROX比赛腹泻这事，运动员拼归拼，但主办方不能装看不见
当AI能解千禧难题，再次证明答案不再是门槛量子位2026人工智能年度榜单，正式启动！
特朗普“一再让步”：美国加密法案仍未过关科学家演示水下太阳能电池高性能电动船艇动力系统公司获近亿A轮融资，海外收入增长450%丨36氪首发
金色Web3.0日报 | 黄仁勋批驳「AI末日论」
“裁判”不想给阿莫迪吹暂停B站AI无限竞技场今日上线！全球百大AI模型同场竞技，GPT-6高居榜首
Dense vs. MoE Models: Active Parameters, Throughput, and When to Choose EachOptimizing cost and latency with Amazon Bedrock prompt caching
在金融支付系统中实施混沌工程：来自企业级 ECS 部署的经验教训
Java新闻汇总：Simple JSON API、GlassFish、Jakarta EE、JNoSQL和Open Liberty、LangChain4j
谁在给我们制造 AI 焦虑
超越代币化：让RWA在链上发挥实用价值
Robinhood的财富效应
英伟达开始限制Claude使用了夜晚睡眠光照太亮可能会损伤心脏
Xspark AI 丁文伯：触觉替代不了视觉，但机器人需要一套自己的“脊髓” ｜物理AI 50人
从接住告警到自我进化：快手智能运维助手实践｜QCon上海
AI 减速还是不减速：一场周末点燃的行业与政府对垒前高通算法研发经理跨界AI算力板检测，获近亿元战略投资丨36氪首发
理想落幕：加密行业为何集体走向同质化？
清晰法案有概率通过？市场可能并未定价
我的“一人公司”，是怎么搞钱的？
GPT-6 Sol 曝光：OpenAI 要把旗舰变成大白菜