基于四阶相场法(phase-field modeling)的功能梯度材料断裂分析的物理信息神经网络(Physics-informed Neural Networks, PINNs)

《Mechanics of Materials》：Physics-informed neural networks with fourth-order phase-field modeling for fracture of functionally graded materials

　　

摘要：本研究提出一种基于四阶相场公式(varies-order phase-field formulation)、用于功能梯度材料(functionally graded materials, FGMs)断裂分析的变分能量基物理信息神经网络(Physics-informed Neural Networks, PINNs)框架。该方法将AT2模型与二次退化律(quadratic degradation law)相结合，并采用应变能谱分解(spectral decomposition of the strain energy)来捕捉混合模式加载下的裂纹驱动机制。非均匀边界条件通过广义距离函数(generalized distance function)引入，以实现对梯度微结构的精确表征。该框架针对FGMs中平行、垂直及倾斜于梯度方向的混合模式裂纹扩展实验基准进行了验证。与有限元解(finite element solutions)的对比研究证明了PINN方法的预测精度，参数分析揭示了网络架构与梯度分布(profile)对断裂行为的影响规律。结果表明，所提出的PINN框架为模拟非均匀介质中复杂裂纹轨迹提供了一种稳健且灵活的替代方案，拓展了相场断裂模型在FGMs中的应用范围。完整源代码公布于：https://github.com/syedia1/PINN-FGM。

本文解读对象为发表于《Mechanics of Materials》的论文："Physics-informed neural networks with fourth-order phase-field modeling for fracture of functionally graded materials"，由Syed Ibrahim Ahmad、Harshdeep Sharma、Akhilendra Singh及Sunil Kumar Singh（印度理工学院巴特那分校机械工程系）共同完成。

一、研究背景与立题依据

功能梯度材料(functionally graded materials, FGMs)因其组分与微观结构沿空间连续变化，具备优异的应力重分布能力与抗裂性能，广泛应用于航空航天、汽车、生物医用及国防工程领域。然而FGMs结构的可靠性设计面临挑战——实验表征成本高昂且耗时。现有FGMs断裂建模方法分为离散法（如扩展有限元法XFEM、无网格法等）与连续（弥散/smeared）损伤表述法（如连续损伤力学CDM、梯度增强损伤模型GEDM、近场动力学peridynamics及相场模型phase-field models, PFMs）。其中相场断裂模型因能在统一变分框架下捕捉裂纹起裂、扩展、分叉与汇合而备受青睐。

尽管基于有限元法(finite element method, FEM)的二阶相场模型已被应用于FGMs断裂分析，但存在明显局限：(1)为解析梯度微结构中的断裂形貌需极细的空间离散化，导致自由度庞大、内存消耗高、计算耗时长；(2)开展参数研究与材料梯度优化时计算负担尤为突出；(3)四阶相场模型(fourth-order phase-field formulation)在各向同性材料中已证实可更精确描述脆性、延性及各向异性断裂，但其推广至FGMs尚属空白；(4)PINNs虽有潜力规避网格重构难题并以自动微分与GPU加速求解偏微分方程(partial differential equations, PDEs)，但目前尚无PINNs与高阶相场模型耦合用于FGMs断裂的报道。因此，研究人员开展了将四阶相场断裂理论与PINNs相结合、面向FGMs断裂分析的深度学习增强框架研究。

二、主要关键技术方法

研究人员建立了适用于FGMs的四阶相场断裂变分公式，并将其嵌入PINN损失函数中构建无网格求解框架；采用AT2相场模型与二次刚度退化律(quadratic degradation law)，对应变能进行谱分解(spectral decomposition)以区分拉伸与压缩贡献；引入广义符号距离函数(generalized signed distance function)策略精确施加非均匀Dirichlet与Neumann边界条件；网络输入为空间坐标，输出为位移场与相场变量，利用自动微分计算控制方程残差构造损失函数（含平衡方程残差、相场演化方程残差及边界条件惩罚项）；选取FGMs混合模式断裂实验基准（含平行、垂直及斜向梯度方向的预置裂纹构型）及FEM数值解进行对比验证，开展不同网络层数/神经元数及材料梯度指数(gradation index)的参数敏感性分析。

三、研究结果

Problem outline（问题描述）

研究人员定义了含初始裂纹的功能梯度域Ω?Rⁿ，边界?Ω划分为给定位移的Dirichlet边界?Ω_D与给定面力的Neumann边界?Ω_N，材料属性（弹性模量E、断裂韧性G_c）随空间坐标按指数梯度函数连续变化，为后续四阶相场公式的建立提供几何与物理设定。

Numerical implementation（数值实现）

研究人员详述了训练数据点采样（域内配点与边界点）、神经网络架构（全连接多层感知机，激活函数为tanh或swish）、损失函数构成（物理残差+边界惩罚）、基于Adam与L-BFGS-B的优化训练流程及后处理裂纹提取方式，确认了该PINN框架可在不依赖网格划分的情况下自然满足四阶相场所需的高阶连续性(C¹连续)。

Results and discussion（结果与讨论）

研究人员通过对Abanto-Bueno和Lambros(2006)FGMs混合模式裂纹扩展实验的复现与对比发现：所提PINN框架能准确预测平行、垂直及倾斜于梯度方向的裂纹轨迹，与实验观测及FEM结果吻合良好；在相同精度要求下，PINN避免了FEM中极细网格剖分与多次重网格化(remeshing)；参数分析表明隐藏层数4～6层、每层60～100神经元可获得较优精度—时间权衡，材料梯度指数增大（性能梯度更陡）使裂纹偏向高韧性侧偏转且启裂载荷降低，与FGMs断裂力学理论一致。

四、结论与讨论总结（翻译并浓缩Conclusions部分）

研究人员得出结论：(1)将四阶相场断裂变分公式嵌入PINN框架，成功实现了FGMs中断裂行为的无网格模拟，天然满足高阶连续性要求并规避了传统FEM相场模型中的细网格与重网格化难题；(2)该PINN框架通过嵌入总自由能泛函极小化条件构建损失函数，为非均匀介质断裂分析提供了区别于传统有限元离散化的无网格替代方案；(3)广义符号距离函数策略使非均匀边界条件在PINN中得到一致且精确的强制施加；(4)经实验基准与数值算例全面验证，所提方法能有效捕捉FGMs中复杂混合模式裂纹路径。该研究拓展了相场断裂模型在功能梯度非均匀材料中的应用范畴，证明深度学习增强的四阶相场PINN框架是FGMs断裂高效预测与参数优化的有力工具，并为后续将PINNs推广至高阶连续介质损伤及多场耦合断裂问题奠定了基础。完整源码已开源发布于https://github.com/syedia1/PINN-FGM。