学院邓露教授研究团队在结构智能计算领域取得重要进展，研究成果以湖南大学为唯一完成单位，何伟伟博士、李金钊副研究员为论文的共同第一作者，孔烜教授为通讯作者，论文“Multi-Level Physics-Informed Deep Learning for Solving Partial Differential Equations in Computational Structural Mechanics”发表在《Nature》旗下首个专注于工程领域的期刊《Communications Engineering》杂志上。这是该期刊首次发表结构智能计算领域的相关论文。

科学计算作为理论与实验之外的第三种科学探索手段，是解决复杂工程问题的重要工具。传统方法如有限元和有限差分法等在面对高效、实时计算需求时受限于巨大的计算量、重复建模与重复计算等瓶颈，而基于数据驱动深度学习的计算方法需要大量数据样本训练，可解释性差、泛化性弱。为此，研究团队首次提出了一种基于多层级物理信息深度学习的结构力学计算方法，将力学偏微分方程（PDE）嵌入神经网络。针对结构力学PDE中存在的高阶偏微分项问题，通过融合多个神经网络架构，实现了高阶PDE的降阶处理，进而实现了少样本甚至无样本情况下结构响应的准确高效计算。该研究工作得到了国家自然科学基金和湖南省优秀青年基金项目的资助，以及桥梁工程安全与韧性全国重点实验室和工程结构损伤诊断湖南省重点实验室的支持。

论文地址：https://www.nature.com/articles/s44172-024-00303-3

基于多层级物理信息深度学习网络的结构力学计算模型架构。