Формализованный анализ данных при помощи методов машинного обучения является удобным инструментом, помогающим в разработке и параметризации моделей механического поведения материалов. В докладе представлен обзор работ коллектива по данному направлению. Рассматривается выбор параметров определяющих соотношений по наборам обучающих данных при помощи стохастических методов оптимизации, таких как метод Байеса и метод роя частиц. Рассматривается применение полносвязных искусственных нейронных сетей (ИНС) прямого распространения как быстрых эмуляторов модели и как отдельных частей модели для аппроксимации сложных нелинейных зависимостей. В качестве обучающих данных могут использоваться экспериментальные результаты [1], либо результаты моделирования на более «низком» уровне: молекулярно-динамического (МД) моделирования [2], первопринципного моделирования [3] или моделирования методом дискретной дислокационной динамики (ДДД) [4]. В частности, комбинация метода Байеса и ИНС-эмулятора модели позволяет эффективно оптимизировать параметры модели дислокационной пластичности по наборам экспериментальных данных [1] для интересующих материалов. Аппроксимация с помощью ИНС функции пластического потенциала [2] или непосредственно кривых напряжение-деформация [4] позволяет «перенести» данные МД или ДДД моделирования на уровень механики сплошных сред с учетом микроструктурных особенностей сплавов алюминия.
Исследования с применением методов машинного обучения выполняются в настоящее время за счет проекта РНФ 24-19-00684 (https://rscf.ru/project/24-19-00684/) в части развития моделей высокоскоростной пластической деформации, в том числе с применением экспериментальных данных, и за счет проекта РНФ 24-11-20031 (https://rscf.ru/project/24-11-20031/) в части многомасштабного моделирования сплавов алюминия.
[1] Rodionov E. S., Pogorelko V. V., Lupanov V. G., Fazlitdinova A. G., Mayer P. N., Mayer A. E., Dynamic deformation and fracture of brass: Experiments and dislocation-based model // International Journal of Plasticity. – 2024. – V. 183. – P. 104165.
[2] Krasnikov V. S., Manukhina K. D., Latypov F. T., Voronin D. S., Mayer A. E., Mechanical response of metastable grain boundaries under shear deformation: A multi-scale study // International Journal of Plasticity. – 2025. – V. 195. –P. 104524.
[3] Panchenko B. A., Fomin E. V., Mayer A. E., Tensor equation of state for copper and aluminum // Computational Materials Science. – 2025. – V. 253. – P. 113845.
[4] Krasnikov V. S., Voronin D. S., Mayer A. E., Competing mechanisms and pathways of dislocation-precipitate interaction in Al-Cu alloys under dynamic deformation // International Journal of Plasticity. – 2026. – V. 199. – P. 104652.