机器学习在力学模拟与控制中的应用专题序

作     者：王建春 晋国栋 Wang Jianchun;Jin Guodong

作者机构：南方科技大学工学院力学与航空航天工程系广东深圳518055 中国科学院力学研究所非线性力学国家重点实验室北京100190 

出 版 物：《力学学报》 (Chinese Journal of Theoretical and Applied Mechanics)

年 卷 期：2021年第53卷第10期

页      面：2613-2615页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0801[工学-力学（可授工学、理学学位）] 

主　　题：机器学习 物理规律 高性能计算机 力学学科 实验测量数据 交叉融合 物理特征 应用专题 

摘      要：近几年来,随着高性能计算机和大数据科学的快速发展,机器学习方法在各个领域得到了越来越多的应用.力学学科在过去几十年积累了大量的数值模拟数据、实验测量数据和现场监测数据,这些大规模、高维度的数据蕴含了丰富的物理特征,但传统方法无法有效地处理这些庞大的数据群.机器学习方法可以从巨量的数据海洋中挖掘有用的信息,并能为总结新的物理规律提供有效的指导.另一方面,机器学习方法存在着可解释性差、泛化能力弱、容易过拟合等问题.针对基于第一性原理的力学问题开展机器学习研究,并和已知的物理规律相对照,有助于更深入地理解机器学习方法.因此,与机器学习的交叉融合,将有力地促进力学学科研究范式的创新,并不断拓展该学科的研究深度和应用范围.