300 多年來，科學家們已經知道如何將基礎物理轉化為數學公式，并且由于技術進步，已經開發出大量數值工具和方法來計算求解復雜方程并預測各種機械問題的正確答案.

　　
然而，直接求解這些方程會耗費時間并且變得更加困難，系統越復雜，迫使研究人員使用近似值而不是系統的所有變量。

　　
現在，朝著準確和快速預測復雜材料力學邁出了一大步。科學家使用深度神經網絡計算復雜材料中的局部應力，這比標準求解器快8300倍。用于材料力學的機器學習求解器

　　
我們的新工作展示了所有這些計算如何被機器學習取代。相關人員解釋說，我們沒有直接求解方程，而是開發了一個神經網絡，該網絡可以學習物理學并通過查看大量數據來預測復雜和非線性力學問題的正確答案。

　　
在使用預先計算的正確物理響應進行訓練后，神經網絡能夠預測在訓練期間從未遇到過的問題和配置的解決方案。就像一位經驗豐富的工程師對復雜的機械問題產生直覺并能夠在幾秒鐘內做出有根據的猜測一樣，該網絡似乎可以在幾微秒內學習基礎物理并預測解決方案。盡管系統具有非線性或復雜性，但網絡的預測速度比傳統求解器快幾個數量級。與需要迭代（試錯）方法來解決非線性問題的傳統求解器不同，經過訓練的機器學習求解器不是迭代的。

　　
這種方法可以取代傳統的求解器，增強我們對多尺度和多物理場問題的理解。我們的求解器消耗的計算時間減少了幾個數量級，為高級材料模型開辟了新的可能性。結合我們的機器學習技術將幫助我們使模型更具預測性和現實性，因為它可以優化更復雜的系統。

　　
研究人員現在將擴展機器學習方法的靈活性和范圍，以做出更準確的預測。他們還計劃研究使用傳統方法求解耗時的其他重要方程。