《Computer Methods in Applied Mechanics and Engineering》：A sparse basis for equilibrium stress fields with application for direct data-driven mechanics
编辑推荐：
本研究针对三维力学问题中平衡应力场基函数计算效率低下的难题，提出了一种基于四面体网格的稀疏零空间基函数高效构建方法。通过引入面元和边元自平衡机制，结合分区Cholesky分解技术，显著提升了大规模问题的计算效率。进一步将稀疏基函数应用于直接数据驱动力学框架，开发了牛顿-拉夫森求解器和确定性退火算法，成功实现了复杂数据分布下多模态能量景观的系统探索。以概率强度脆性断裂为例，该方法可生成具有工程意义的失效模式家族，为不确定性量化和设计决策提供了新视角。
在传统计算力学中，本构模型的准确性往往成为预测结果可靠性的瓶颈。尽管基于物理的模型不断进步，但面对材料行为的复杂性和不确定性，特别是如复合材料的损伤演化、生物组织的非线性响应等现象，传统方法常显得力不从心。数据驱动力学应运而生，其核心思想是绕过显式本构关系，直接利用实验测量的应力-应变数据点来求解边值问题。然而，这一愿景面临严峻计算挑战：如何高效处理满足平衡条件的应力场空间？对于三维实体等复杂问题，常规方法产生的平衡应力场基函数往往是稠密的，导致计算成本随问题规模急剧增长，成为制约数据驱动方法应用于实际工程的卡脖子难题。
针对这一挑战，来自德国亚琛工业大学应用力学研究所的Erik Prume、Chenyi Ji、Stefanie Reese和Michael Ortiz在《Computer Methods in Applied Mechanics and Engineering》上发表论文，提出了一种革命性的求解器框架。研究团队独辟蹊径，将重心放在平衡应力场稀疏基函数的构建上，并在此基础上发展了全新的数据驱动问题求解与探索策略。
研究的关键技术方法主要包括：1）基于四面体网格拓扑结构，系统分析了平衡应力场零空间的维度构成，明确了面元机制、边元机制和边界条件机制对基函数的贡献；2）利用自平衡边力场构造稀疏零向量，通过几何关系推导出仅需一次QR分解即可处理剩余稠密向量的高效算法；3）采用分区Cholesky分解技术应对稀疏基函数中少量稠密列的计算问题；4）将稀疏基函数应用于数据驱动力学，实现了问题向无约束优化形式的转化，并发展了基于确定性退火理论的能景探索算法。
2. Part I: 平衡应力场的显式稀疏基函数
2.3. 零基的维度和分量
通过秩-零度定理和欧拉特性分析，研究给出了单连通域中零空间维度的精确计数公式：dim(Z) = 3|Fint| - 3|Nint| + |D| - 6。该公式揭示了零空间由三个线性无关的机制构成：面元机制贡献(3|Fint| - |Eint|)个零向量，每个内部面元通过其边生成自平衡应力场；边元机制贡献(|Eint| - 3|Nint|)个零向量，描述围绕内部边的更复杂自平衡状态；狄利克雷边界条件机制贡献(|D| - 6)个零向量。这一分解为后续稀疏基函数的线性无关构造奠定了理论基础。
2.5. 面元机制
基于三角形网格研究的推广，团队为每个内部面元f ∈ Fint及其一条边e ∈ f构建零向量。算法在相邻四面体t0和t1上施加沿边e的一对方向相反的单元力（Pe,t0= +1, Pe,t1= -1），通过应力公式σt= Σe∈t(le/Vt)Pe,t(ne?ne)得到仅在两相邻单元非零的稀疏应力场。该机制生成的零向量具有最优稀疏性，且通过确保每条内部边仅被忽略一次，保证了线性无关性。
2.6. 边元机制
对于更复杂的自平衡模式，研究针对每个内部边e定义其基本模块（邻接四面体集合Te）。通过推广的几何算法，计算围绕e的循环节点上的自平衡力场，再利用等分配原则将边力分配至各邻接四面体，最终通过应力公式构造零向量。算法利用符号体积比递归计算力场比率，确保了数值鲁棒性。该机制生成的零向量支持域更大，但能捕捉无法通过面元机制描述的复杂自平衡状态。
2.8. 稀疏零基组装算法
结合面元、边元机制以及通过QR分解计算的剩余稠密向量（对应边界条件和域中孔洞），团队给出了完整的稀疏零基Z = [ZS, ZD]组装算法。基准算例表明，对包含19,954个单元的网格，稀疏部分（面元、边元机制）占比超过98%，计算时间仅需数秒，且满足机器精度级的平衡条件误差（∥EZ∥2≈ 10-12）。
3. Part II: 在直接数据驱动力学中的应用
3.2. 基于零基的重新表述
利用平衡应力场参数化σ = Zv + σ0，研究将数据驱动问题转化为关于位移u和冗余力v的无约束最小化问题：minu,vEβ(Bu + ε0, Zv + σ0)。这一转化使得标准迭代算法（如牛顿-拉夫森法）可直接应用。研究推导了能量函数Eβ关于u和v的雅可比矩阵和海森矩阵的显式表达式，为高效求解提供了基础。
3.3. 分层解集：确定性退火
针对数据驱动问题中常见的多模态能景，团队提出了基于确定性退火框架的分层解集探索算法。该算法通过求解海森矩阵在兼容应变场和平衡应力场联合空间中的特征值问题，检测相变临界温度βcrit。当β超过βcrit时，沿主特征向量方向扰动当前解，生成新解分支。这一确定性过程可系统性地探索不同尺度的局部极小值，与传统的随机抽样方法相比具有更高效率。
研究结论表明，所开发的稀疏基函数构建算法能高效处理大规模三维问题的平衡约束，为数据驱动力学提供了坚实基础。虽然在某些情况下修正牛顿-拉夫森法的计算效率可能不及原有定点迭代法，但其无约束问题表述为黑箱求解器集成提供了便利。更重要的是，在具有复杂数据分布的问题中，平衡应力场的参数化结合确定性退火算法，能够揭示传统方法难以发现的多种物理可能状态。
在概率强度脆性断裂的数值示例中，研究成功生成了包含多种失效模式的解家族，直观展示了数据不确定性如何通过平衡与兼容约束影响全局结构响应。这一能力对于安全关键领域的不确定性量化与稳健设计具有深远意义，标志着数据驱动力学从理论框架向解决实际工程问题迈出了关键一步。
