8月19日消息，arXiv cond-mat.mtrl-sci 新发表论文（8月16日提交），Lekun Gao与Shaohua Chen提出面向超大规模异质复合材料力学建模的傅里叶神经算子集群（FNO-swarm）通用求解器。

复杂微结构复合材料具有高度可定制的力学性能，但高效精确建模长期是难题：传统均匀化方法常过度简化微结构效应，而多尺度方法又需要在时空尺度间进行代价高昂的耦合。

该双尺度神经集群框架的核心设计：在局部尺度，利用水平集表示将代表性微结构特征的力学特性编码为傅里叶神经算子（FNO）构建块；在全局尺度，根据微结构组分的空间分布将预训练FNO组装成FNO集群，采用粗网格有限元模型提供全局物理引导，通过Schwarz迭代同步相邻FNO并保证共享界面一致性。

框架在多种微结构构型的SiC-Al复合材料非线性仿真中得到验证：与非线性有限元分析相比精度相当，计算成本降低数个数量级。对一个包含超过10亿节点的双属性SiC-Al复合材料极端算例，该方法约1小时内完成力学响应预测，展现 exceptional 可扩展性，且天然支持任意狄利克雷边界条件和复杂域几何。

这一神经集群策略为大规模力学仿真提供了兼顾计算效率与物理保真度的范式，对航空航天、汽车轻量化等领域常用的颗粒增强金属基复合材料的工程化设计具有直接应用价值。 （来源：arXiv）