Nature子刊｜AI驱动的裂缝力学统一方法
题目：Towards unified AI-driven fracture mechanics: the extended deep energy method (XDEM)

译文：面向统一AI驱动断裂力学的扩展深度能量方法(XDEM)

摘要：提出XDEM，统一离散与连续断裂模型的物理信息深度学习框架。离散形式通过裂纹函数嵌入位移间断、扩展函数捕捉裂尖渐近场；连续形式以相场描述损伤演化。无需裂尖加密配点，仅凭均匀稀疏配点即可准确预测应力强度因子及裂纹扩展路径，并结合LoRA增量迁移降低多步加载重训练成本。

技术路线：
1、理论分析：基于变分能量原理，建立离散裂纹（位移间断+裂尖 enrich）与连续相场（损伤演化+不可逆约束）的DEM损失泛函；
2、建模策略：离散模型用"裂纹函数+扩展函数"显式刻画间断与奇异性；连续模型用KAN/RBF分别近似位移场与相场；
3、算例验证：混合模式I/II/III、偏折/交叉裂纹、含夹杂扩展等基准问题与FEM/实验对比。

创新点：
1、统一DEM框架：单一变分框架内融合离散断裂与连续相场模型；
2、裂尖 enrich 函数：引入Williams级数扩展函数，以稀疏均匀配点准确捕捉裂尖奇异场；
3、LoRA增量迁移：加载步间低秩适配微调，避免每步重训练，加速裂纹扩展模拟。

网络构建：
1、离散模型：输入坐标+裂纹函数ρ(x)，MLP输出位移，叠加Williams级数扩展函数；
2、连续模型：位移场用KAN、相场用RBF分别参数化，解耦优化；
3、训练策略：能量最小化损失，加载步间以LoRA(r=1)微调位移网络。带你一起读论文 论文打卡 提供思路和创新点 文献阅读 科研学习 深度学习 数据驱动 土木工程