宁波东方理工大学团队提出AI符号回归新框架GraphED

宁波东方理工大学张东晓、陈云天团队提出一种符号回归新框架GraphED，构造人工智能科学家以自动发现本构定律，为数据驱动的物理定律挖掘开辟了新路径。相关成果已发表于国际期刊《科学进展》。

本构定律是描述固体材料受力变形规律的核心方程。长期以来，本构模型的建立主要依赖传统经验或半经验模型以及基于神经网络的黑盒AI模型，前者在超出校准范围时泛化能力不足，后者缺乏物理可解释性。近年兴起的符号回归技术通常使用树结构表达方程，但易产生冗长或缺乏物理意义的公式。

针对这一难题，研究团队提出GraphED框架。该框架可同时分析多种材料和工况的数据，在搜索公式结构时同步识别每组数据对应的材料参数，从而整合不同情况下的材料数据，降低对单一数据集的依赖，提高模型适用性。GraphED框架确立了“方程即图”的表达范式，将数学公式抽象为有向无环图，节点代表运算符与自变量，边代表运算方向与关系，边特征编码常数或待定的材料参数。

论文第一作者、宁波东方理工大学副研究员徐浩表示，这一设计突破了传统表示方法难以有效表征带参公式族的局限，使算法能够从包含多种材料的多源数据集中，直接学习出兼具通用结构与材料相关参数的表达式。研究团队已将GraphED框架应用于合金钢、金属锂、充油橡胶等多种复杂材料体系的真实实验数据，均取得超越传统经验模型的发现成果。