机械工程

二十年前，机械工程的计算范式仍以“先选本构、再划网格、最后求解”为主：几何从CAD翻译到有限元，裂纹被显式追踪，材料通过少数经验方程进入仿真，优化则在确定载荷与理想制造条件下寻找最轻结构。近二十年的变化，不只是算力提高，而是计算对象与可信判据同时被改写。第一幕建立了精确几何分析、非局部断裂、弥散裂纹、多尺度均匀化、制造容差、非线性吸振、跨尺度粗糙接触与VVUQ八个框架；第二幕则让材料数据直接进入平衡方程，用热力学约束网络、神经算子和可微物理加速设计，同时清算PINN、数字孪生与多保真代理在分布外、奇异场和高后果决策中的失效。这里讨论的不是“AI替代有限元”，而是二十个可以通过收敛、能量、域外载荷、制造偏差或闭环实验被推翻的机械工程命题。

这一幕的共同动作，是拆掉几何、裂纹、材料尺度与制造误差之间的传统接口，让它们直接进入计算与设计。

甲、等几何分析（IGA）

传统有限元需要把CAD中的NURBS曲面离散成分析网格，设计每改一次，几何清理、网格生成和误差检查便重做一次。这个“几何翻译”不仅耗时，还会让本来精确的圆、壳和自由曲面变成近似多项式边界，尤其影响薄壳、接触和形状优化。真正卡住的问题不是单次求解速度，而是设计几何与分析几何为什么必须是两套对象。

等几何分析的命题是：用CAD中的B样条、NURBS或其扩展函数同时表示几何与未知场，可实现几何精确、分析同源。网格加密不再必须改变几何，可通过提高阶次、插结或局部细化改善解；高阶连续性还可减少壳、波和高阶偏微分方程所需自由度。它把建模误差的一部分从几何翻译环节移除。

Hughes、Cottrell与Bazilevs在2005年系统提出IGA，并在梁、壳和流体算例中展示精确圆弧与高阶收敛。随后旋转壳、流固耦合和形状优化研究显示，同一NURBS描述可直接参与梯度计算，避免每次几何变更后重新网格；在光滑问题上，较高连续性常以更少自由度达到相近精度。

边界在于工业CAD包含修剪曲面、局部特征和复杂拓扑，而标准NURBS张量积结构不擅长局部加密。把CAD直接送入分析也不会自动解决接触、材料非线性和几何缺陷。IGA成立的判据不是“没有网格”，而是几何误差、求解代价与局部细化的综合收益。若为处理修剪和多片耦合引入过多约束，接口成本可能只是换了位置。

等几何分析真正动的是设计与分析之间的那道交接：过去每改一次几何就要重新划一次网格，网格质量成了一个既不属于设计师也不属于分析师的灰色责任区，项目里大量时间耗在这道缝上。几何与分析共用同一套基函数之后，加密不再意味着重新逼近几何，迭代周期可以按天算而不是按周算。代价也随之出现——CAD 里的模型通常是修剪过的面片拼接，边界不连续、参数域重叠，直接拿来分析并不成立。于是「模型清洗」成为一道新的、同样没人愿意认领的工序，等几何在工业中推广的实际瓶颈就卡在这里，而不在数学。行业内可行的折中，是只在受力关键的少数面片上做等几何处理，其余仍走传统网格，代价是两套离散之间要额外做一层协调。

它与「十、可微分逆向机械设计」朝同一个方向使力：都要求几何、仿真与目标处在同一条可以自动传导的链条上，只不过一个传的是形函数，一个传的是梯度。共同的边界也一致——一旦几何拓扑本身要变，两条路都失效，因为参数化不再连续。一处反向证据来自局部加密：NURBS 的张量积结构使局部细化会沿整行整列传播，为此发展出的 T 样条与层次样条各自引入了新的可解性与线性无关性问题，说明「几何精确」这份收益并不是免费的，它换来的是基函数构造上的复杂度。

乙、周边动力学（peridynamics）

经典连续介质的偏微分方程依赖位移梯度，在裂纹处梯度不再定义，因此数值模型需要预设裂纹路径、重构网格或增加富集函数。裂纹萌生、分叉和多裂纹贯通尤其困难，因为拓扑在计算中不断改变。问题是能否用一套在连续区和不连续区都成立的运动方程描述损伤。

周边动力学的命题是：材料点通过有限“视界”内的非局部相互作用传力，运动方程写成积分形式，因而不要求位移场处处可微。键或状态在达到损伤准则后失效，裂纹便由相互作用网络自行出现和扩展；同一离散可以处理萌生、分叉、碎裂与接触后的再作用。

Silling等在2007年建立状态型周边动力学，使体积变化、剪切角等集体量进入本构；动态断裂与冲击算例无需显式追踪裂纹便产生分叉和碎片。随后与有限元耦合的工作把非局部区限制在潜在破坏区域，以降低成本；实验对比表明裂纹路径对视界、损伤能和边界处理高度敏感。

争议在于视界长度既像物理内尺度，又常被当作数值参数；靠近边界时邻域不完整，会产生表面效应。若材料参数随离散和视界改变而重新标定，模型可能失去可移植性。周边动力学的底线是视界收敛、能量一致与独立实验标定。如果裂纹路径只有在特定网格与视界组合下正确，它尚未优于传统裂纹方法。

周边动力学最实用的一处后果，是把「裂纹往哪走」从一个需要人为设定的输入变成了一个输出。传统断裂力学要预先给定裂纹面或扩展准则，做冲击与碎裂问题时，工程师实际上在猜答案的一部分。非局部积分形式让分叉、碎片与多裂纹相互作用自己出现，这在弹丸侵彻、玻璃碎裂与复合材料分层这类没人能事先画出裂纹路径的问题上，第一次给出了可复算的方案。它的代价是计算量：每个点都要与视界内的全部邻点作用，规模比同精度的有限元大一到两个量级。另一处影响在标定上：视界半径既进入本构又进入几何，实验室常用的单轴试验无法把两者分开，只能靠反标定。

它与「丙、相场断裂」是同一个目标的两条路线，且常被误当成竞争关系：一个放弃了微分形式，一个保留微分形式而引入正则化长度。真正要紧的是两者都引入了一个人为长度——视界半径与相场长度——而这个长度既影响结果又不完全是材料属性。一处反向证据是收敛性研究：当视界半径随网格趋零时，周边动力学退化回经典理论，此时它相对有限元的优势也随之消失；换句话说，它的好处恰恰绑定在那个不肯趋零的有限长度上，因此这个长度必须被当作模型参数申报并做敏感性分析。

丙、相场断裂

显式裂纹方法把裂纹看成零厚度界面，需要在传播时追踪尖端、分叉和接触；复杂三维结构中，这一几何任务常比求解力学方程更困难。相场方法提出另一条路线：不直接跟踪裂纹面，而用连续损伤场把尖锐裂纹扩散成有限宽度带。问题是这种正则化能否保持断裂能与路径选择。

相场断裂的命题是：通过一个长度尺度控制的相场变量，将Griffith裂纹表面能写成体积分，位移与损伤场通过能量最小化耦合，可在固定网格上自然处理萌生、转向与分叉。当正则化长度趋小时，模型应接近尖锐裂纹极限；张压能量分裂用于避免受压区不合理损伤。

Miehe、Welschinger与Hofacker在2010年给出热力学一致的多场有限元框架和稳健算子分裂算法，在拉伸、剪切和裂纹分叉基准中重现复杂路径。此后相场被扩展到疲劳、塑性、热—氢—断裂耦合。算例也明确显示，裂纹起始载荷与路径会随正则化长度、网格和张压分裂方式改变。

边界在于长度尺度并非总有独立可测的物理对应，过大的长度会抬高或降低表观强度，过小则计算昂贵。不同退化函数和历史变量可在同一试验上给出相似曲线，却预测不同多轴路径。相场方法必须报告长度尺度敏感性、能量平衡与跨几何验证；只凭一张漂亮裂纹图不能证明机制正确。

相场断裂在工程上的吸引力来自一件很朴素的事：它不需要任何裂纹追踪算法，固定网格上跑一遍能量最小化就行，因此容易被写进已有的有限元平台，也容易被两个不同的团队复算。这条把断裂计算从「专家技艺」推向「可交付流程」的路径，是它在十年内成为主流的真实原因。相应的代价出现在标定上：正则化长度既影响峰值载荷又影响耗散能，把它当纯数值参数会得到网格依赖的强度，当材料参数又缺乏独立测量手段，实践中常靠反标定确定，这一步很少被写进报告。对存量流程而言，最省事的接法是把相场当成一个附加场加进现有隐式求解器，用算子分裂避免整体牛顿迭代发散。

与「七、相场疲劳」是同一框架在两个时间尺度上的展开，共享同一处软肋：算得起。准静态单调加载已经很贵，推到 10⁶ 次循环必须引入循环跳跃或加速策略，而加速策略本身会改变累积路径。一处反向证据来自与试验的比较：相场能很好地重现裂纹路径与分叉形态，但在临界载荷的绝对值上对网格与长度参数敏感；因此这条命题的可检验形式应当是断裂耗散能与试验值之比，而不是裂纹图形的相似度——图形相似是最容易得到、也最容易骗过审稿人的那一项。

丁、FE²计算均匀化

复合材料、多晶与多孔结构的宏观本构来自微结构，但把每个晶粒、孔隙或纤维直接离散到整机尺度通常不可行。经典均匀化多在事先选定代表体上拟合有效参数，再将其固定用于所有载荷路径；当微结构发生塑性、损伤或局部化时，这种离线本构会失效。

FE²的命题是：在每个宏观积分点嵌入一个微观有限元代表体，由宏观应变驱动微观边值问题，再把平均应力与切线刚度回传，实现宏—微双向在线闭环。材料本构不再是预先写好的方程，而是每一步由微结构计算生成；路径依赖和各向异性可随局部历史自然演化。

2006—2012年前后的计算均匀化研究在纤维复合材料、多晶塑性和蜂窝结构中，将FE²结果与直接数值模拟比较，证明其能捕捉平均应力、各向异性和部分局部化趋势。并行计算和降阶技术随后缓解成本，但一个宏观积分点对应一个微观问题，三维非线性分析仍可能需要数以万计的嵌套求解。

边界首先是代表体是否存在。裂纹、剪切带或长程相关结构可能破坏尺度分离，使微观周期边界压制真实局部化；不同边界条件也会给出上下界。FE²必须检验尺度分离、代表体尺寸和边界条件敏感性。若微结构相关长度接近构件尺度，继续把它压缩成局部积分点本构便不再合理。

FE² 改掉的是材料模型的交付形态：过去材料供应商交的是一组本构参数，现在交的可以是一个代表体几何与微观本构的组合。这让复合材料、增材制造件与多晶金属这类「性能由微结构决定」的材料第一次可以不经过唯象拟合直接进入结构计算。它同时把计算成本推到了不可忽视的位置——每个宏观积分点每个增量步都要解一个微观问题，工业算例动辄要靠代理模型或降阶把这层成本压下去，于是精度的来源与成本的去处成为同一份报告里必须一起说清的两件事。另一处后果是并行方式的改变：微观问题彼此独立，天然适合大规模并行，反而是宏观装配成为瓶颈。

它与「二、热力学一致本构网络」处在同一处竞争位置：都想取代手写本构，一个用在线计算换取普适性，一个用离线训练换取速度。两者的接口也很自然——用 FE² 生成数据去训练网络，是目前最常见的组合。一处反向证据是尺度分离失效的情形：当微结构特征尺寸与宏观应变梯度的特征长度接近时，代表体的周期性边界条件不再成立，此时 FE² 给出的平均应力仍然自洽，却系统性地错。这类错误不会在收敛曲线上暴露，只能靠与直接数值模拟对照才能发现。

戊、鲁棒拓扑优化

确定性拓扑优化在理想几何、精确载荷和固定材料参数下寻找最轻或最刚结构，结果常含细杆、尖角和临界连接。制造时只要边界偏移、孔洞变小或载荷稍偏，性能便可能急剧下降。问题不是怎样再提高名义最优值，而是怎样让结构在不可避免的制造与工况误差中仍可用。

鲁棒拓扑优化的命题是：设计应同时评估侵蚀、名义与膨胀等可能实现，并优化最坏或风险加权性能。形态学投影模拟过蚀、欠蚀与最小尺度，载荷和材料不确定性可通过场景、概率或可靠度约束进入。好的拓扑不应依赖单一像素宽连接，也不应只在精确载荷方向成立。

Sigmund在2009年提出制造容差拓扑优化，以侵蚀—中间—膨胀三场保证不同边界偏移下的性能。数值与微制造案例显示，名义最优设计在轻微过蚀后可能失去连通，而鲁棒设计牺牲少量名义刚度换来显著容差。后续研究把应力、屈曲和疲劳约束加入，但计算量与局部约束数量迅速增加。

争议是误差模型若只考虑均匀边界偏移，可能漏掉真实打印、机加工和装配中的空间相关缺陷；最坏情形设计又可能过度保守。鲁棒性必须由真实制造误差统计和样件测试确认。若不确定集与工艺不匹配，三场拓扑只保证对一种想象误差稳定。

三场投影这一招之所以被广泛采用，是因为它把「最小特征尺寸」这个一直靠人工后处理保证的约束，变成了优化问题内部的一部分。它的实际后果是设计交付物变了：交出去的不再是一个最优形状，而是一族在容差带内都可用的形状，以及为此付出的性能代价数值。这个代价一旦被明码标出，采购与工艺之间就有了可谈判的对象——是收紧公差还是加重结构，成为可以算账的选择，而不再是两个部门各说各话。另一处是工艺反馈：三场投影所需的偏差带必须由工艺侧实测提供，设计与工艺之间因此第一次有了一个共同的量。

与「九、失效约束拓扑优化」共同构成拓扑优化这十年的两条加约束路线：一条约束制造实现，一条约束失效模式，实践中常常必须同时加，因为最轻的构型往往既难制造又在局部应力上危险。一处反向证据是三场投影对偏差模型的依赖：它假设制造误差表现为边界的均匀内缩或外扩，而增材制造的真实偏差是各向异性的、与打印方向和悬垂角相关的。若偏差模型错了，鲁棒设计只是对着一个错误的扰动方向变厚，付出了质量却没有买到合格率。

己、非线性能量阱

传统调谐质量阻尼器依赖一个线性固有频率，对窄带激励有效；结构频率漂移或冲击宽频能量到来时，调谐会失效。非线性能量阱提出使用强非线性、近零线性刚度的附加振子，不预设单一共振频率。需要解释的是，能量能否被单向转移并耗散，而不是在主结构与吸振器间反复回跳。

这一理论主张，强非线性附件可通过瞬态共振俘获从主结构吸收宽频能量；当系统轨迹进入特定共振流形，能量被泵入附件并由阻尼耗散。响应由能量阈值和相空间路径决定，而非固定频率匹配，因此对频率漂移具有潜在鲁棒性。

Vakakis及合作者在2000年代后期的梁、振子和冲击实验中观察到能量突然转入非线性附件，主结构振幅在一段时间内快速衰减。理论和实验还显示存在触发阈值：能量过低时无法进入共振俘获，过高或参数不当时会发生回跳。宽频并不意味着所有能量水平都有效。

边界在于强非线性常伴随大位移、碰撞、材料疲劳和参数敏感性；多个模态下能量可能被送往不希望的路径。非线性能量阱不能仅以单次冲击峰值降低证明优势，应比较触发概率、回跳、耐久与全能量范围。若多数实际工况低于触发阈值，它并非线性阻尼的普适替代。

非线性能量阱对工程实践的诱惑很直接：调谐质量阻尼器只在一个频段有效，而结构的真实激励往往是冲击或宽带的。用非线性换掉频率匹配，等于用一个不需要调谐的装置覆盖一段频带。它的门槛也在同一处——响应由能量阈值决定，低于阈值时几乎不起作用，高于某个能量又可能跳出俘获流形。因此它的验收不能报「减振百分之几」，必须报出有效能量区间；一台在实验室冲击台上表现优异的装置，在实际低幅值工况下可能整年不工作。另一处后果是安装位置的敏感性：附件必须装在能量确实流经的路径上，而这条路径在复杂结构里往往需要先做一次实测才知道。

它与「十一、超润滑的界面状态」共享一个不常被点破的共性：两者的性能都不是材料常数，而是一个需要被维持的状态，离开状态就整体失效。这类「状态型」技术在工程验收体系里最吃亏，因为现行标准习惯要求一个系数而不是一张相图。一处反向证据来自长期试验：非线性附件的间隙、摩擦与老化会改变其等效刚度曲线，从而移动能量阈值，于是装置的有效区间随服役时间漂移——这一项在多数论文的短时实验里看不见，却决定了它能否进入民用结构。

庚、多尺度粗糙接触

工程表面在不同放大倍数下不断显露新粗糙度，真实接触面积远小于名义面积。传统模型常用单一平均粗糙度或有限个球形微凸体解释摩擦、密封和黏着，却难说明短波粗糙度、弹塑性与表面能如何共同决定接触。问题在于“表面有多粗”必须对应一个尺度范围。

多尺度接触理论主张，接触面积、压力分布与泄漏通道由粗糙度功率谱及放大尺度共同控制。随着观察尺度增加，新微凸体继续分裂，局部压力与实际面积改变；黏着是否重要，不只取决于表面能和均方根粗糙度，还取决于短波截止、曲率和材料柔度。

Persson在2006年前后的谱方法把接触看成随放大倍数演化的压力分布，并与数值模拟和橡胶摩擦数据比较。Pastewka与Robbins在2014年进一步提出黏着判据，指出短波粗糙度会改变黏着趋势。不同模型在真实接触面积近线性随载荷增长上相近，却对局部压力、黏着和泄漏给出不同预测。

争议在于真实表面存在塑性、污染、磨损和方向性，功率谱并不能唯一确定形貌；测量仪器的尺度带宽也会决定结论。理论必须报告谱范围、短波截止和表面状态。如果改变测量分辨率就改变材料是否“黏着”的判断，所谓判据尚未独立于仪器。

这条理论最有价值的输出是一句反常识的结论：实际接触面积在很宽的载荷范围内与名义面积无关，而与载荷近似成正比。它把密封、电接触与摩擦这三件看似不同的事放在同一套框架下，也解释了为什么用 Ra 这类单一粗糙度参数写出来的验收标准在实践中如此不可靠——同一个 Ra 可以对应完全不同的功率谱。密封件行业因此逐步转向以谱为基础的泄漏预测，代价是测量要求提高：必须在多个尺度上测形貌，而车间里的常规轮廓仪只覆盖其中一段。另一处是标准滞后：现行密封与摩擦标准仍以单点粗糙度参数写成，谱方法的结论无法直接进入验收文件。

它与「十一、超润滑的界面状态」的分工是：庚处理接触在几何统计上的规律，十一处理界面在化学与结构上被选中的状态，两者在磨损问题上必须一起用——磨损既改变形貌谱，又改变界面化学。一处反向证据来自塑性与黏着：谱理论多建立在弹性接触假设上，当微凸体进入塑性或黏着显著时，面积—载荷关系偏离线性，且历史相关。因此这条命题的可检验形式应是同一表面在十倍载荷区间内的摩擦预测误差，而不是单点载荷下的吻合程度。

辛、验证、确认与不确定性量化（VVUQ）

仿真常以“与实验吻合”宣称可信，但数值离散误差、参数校准、模型形式误差和测量误差可能被混在一起。若用同一组试验先调参数再展示吻合，拟合能力会被误当成预测能力。尤其在昂贵或危险试验稀少时，工程决策需要知道模型在哪个使用情境、以多大不确定性可信。

VVUQ的命题是：必须区分验证数值方程是否解对、确认模型是否代表现实、量化未知如何传播。确认应在预先定义的应用域和响应量上进行，校准数据与确认数据尽量独立；模型形式误差不能被参数置信区间代替。证据强度还应与模型在决策中的影响和失败后果相称。

ASME V&V 10-2006与V&V 20-2009分别为固体力学和计算流体/传热建立分层流程，要求网格收敛、实验不确定性和预测区间。工程案例显示，当校准与确认混用时，模型误差会被系统性低估；当不同误差源分开报告时，某些看似精确的预测区间会显著扩大。

边界是现实中完全独立的确认数据常不可得，高后果工况更可能无法试验。UQ也会因先验、模型缺失和相关性假设而产生虚假精度。VVUQ不是一张勾选表，而是证据与决策风险的对应关系。若最终只给单一“验证通过”标签而不说明使用域，流程本身也可能成为形式主义。

VVUQ 带来的最大变化不在技术而在举证责任：模型使用方必须先声明用途与响应量，再证明模型在该域内被确认过。这一步把「模型很准」这种无边界的主张变成了有边界的承诺，也让仿真结果第一次可以进入监管申报与合同条款。副作用是成本前移——确认试验往往比仿真本身贵，于是企业倾向于把应用域声明得很窄以降低举证负担，再在实践中悄悄外推。这种「窄申报、宽使用」是当前 VVUQ 落地中最普遍也最难查的偏差。另一处后果是文档量：一次完整的确认要留下网格收敛、实验不确定度与预测区间三套记录，中小企业常在这一步放弃。

它与「六、风险相称模型可信度」是同一条线的两代：辛给出流程，六给出该走多深的判据。两者共同的弱点在模型形式误差——网格收敛与参数不确定度都能量化，唯独「方程写错了」这一类误差无法在模型内部被发现。一处反向证据是校准与确认使用同一批数据的常见做法：这会让预测区间的覆盖率看上去达标，而实际上模型只是被拟合到了这批数据上。因此判据必须写成独立数据上的覆盖率，而不是拟合优度。

这一幕把数据与自动微分带进力学，但同时把问题从“能否逼近”推进到“守恒、外推、风险与失效是否可审计”。

一、数据驱动计算力学

传统计算力学必须先从实验数据拟合一个本构方程，再求满足平衡与相容的边值问题。复杂路径依赖材料中，本构选择本身可能成为最大偏差来源；同一数据可被多种方程拟合，外推却不同。问题是能否绕过显式本构，让实验状态直接参与求解。

数据驱动计算力学的命题是：在应力—应变相空间中寻找一个既满足平衡与相容约束、又最接近材料数据集的状态，无需先写出经验本构。随着数据覆盖加密，解应收敛到真实材料响应；噪声可通过距离度量和概率扩展处理。材料模型由函数形式改写为可更新的数据几何。

Kirchdoerfer与Ortiz在2016年的三维桁架和线弹性算例中展示，数据点增密时数据驱动解收敛到经典解，并对空间离散保持稳定。2017年的噪声扩展进一步处理散布材料数据。后续路径依赖方法说明历史变量仍需编码，否则相同当前应变可能对应不同应力。

边界是高维材料状态需要巨量覆盖，最近邻搜索也可能把物理上不同路径的点错误配对。实验数据若集中在常见载荷，算法在极端状态会选择最近但仍很远的点。方法必须报告数据覆盖距离与拒绝机制。若求解器在数据空洞中仍给出高置信结果，它只是把本构外推问题换成了邻近外推。

数据驱动力学最要紧的一点是它改变了误差的来源：经典路线的误差来自本构方程的形式假设，这条路线的误差来自数据覆盖的空洞。这让实验规划的地位上升——采什么工况、采多密，直接决定了模型能算什么，而不再只是拟合精度问题。它对企业的实际含义是材料数据成为资产：同一批数据可以直接参与计算而不必先被压缩成几个参数，因此数据的所有权、版本与可追溯性第一次成为力学计算里需要管理的对象。另一处是计算结构的改变：求解退化为在数据集上的最近邻搜索与投影交替，这与传统的牛顿迭代完全不同类。

它与「二、热力学一致本构网络」构成一对取舍：一个完全不写函数、靠距离最小化保住数据忠实性，一个写出势函数、靠结构保住热力学一致性。两者共同的边界是路径依赖——弹塑性与损伤材料的状态不由当前应变唯一决定，纯数据集必须扩充为带内部变量的集合，问题的维数随之膨胀。一处反向证据是噪声数据的表现：距离最小化会把离群点当作合法状态吸收，因此这条方法的可检验形式是平衡残差与最近邻尺度之比，而不是与经典解的相符程度。

二、热力学一致本构网络

神经网络可以拟合应力—应变曲线，却可能生成负耗散、违反材料对称性或在循环加载中创造能量。训练误差小并不能保证长时间积分稳定。问题不是网络容量够不够，而是如何把热力学第一、第二定律与客观性写入结构，使不物理解在模型空间中被禁止。

热力学一致网络主张，以自由能、耗散势或内部变量为网络输出，通过自动微分得到应力和演化律，并用能量守恒与非负耗散约束架构。这样网络学习的是允许的势函数或材料状态，而非任意映射；旋转不变性、对称性和凸性也可由特征或层结构嵌入。

Masi等在2021年提出Thermodynamics-based Artificial Neural Networks，在弹塑性和路径依赖材料点问题上用自动微分编码热力学关系。与普通网络相比，受约束模型在训练外路径上更少出现负耗散，并能从有限数据恢复内部变量关系。其他构成网络也显示，结构约束可减少非物理解，但不能创造缺失的损伤或相变机制。

争议在于选错自由能形式、内部变量或对称性同样会固化偏差；软惩罚并不保证严格满足不等式，硬约束又可能过度限制复杂材料。决定性检验是长循环能量账、路径外推和多轴加载。若网络只在训练曲线上满足热力学，而在新路径产生能量，它的“一致性”只是局部。

这条路线的实际价值在于它让机器学习模型第一次可以通过工程评审：审查者不必逐点检查预测，只需检查架构是否保证了非负耗散与能量守恒。约束内置也显著降低了数据需求，这在材料试验成本高昂的场合是决定性的。它的代价是表达能力受限——被约束的架构学不了那些确实违反假定的现象，例如某些活性材料或含内热源的体系；此时网络会以系统偏差的方式去逼近，而这种偏差因为「架构是对的」反而更难被怀疑。另一处是可移植性：势函数形式的模型可以直接写进有限元的材料子程序，而端到端映射往往做不到。

与「三、物理信息学习的失效边界」的差别值得点明：三把物理写成损失项，是软约束、可以被优化过程牺牲掉；二把物理写进架构，是硬约束、代价是灵活性。这正是失效边界那一条给出的教训在架构层的回答。一处反向证据是路径依赖材料上的表现：内部变量的选择本身是一个建模决定，选错了，热力学一致性仍然满足，预测却错——一致性保证的是不会算出违反第二定律的结果，不保证算得对。更稳的判据是把违反热力学的加载路径比例作为验收项，而不是回归精度。

三、物理信息学习的失效边界

物理信息神经网络把偏微分方程残差加入损失函数，常被描述为无需网格、少数据即可求解正反问题。早期示例多为平滑、低维和条件良好的方程；机械工程中的接触、裂纹、屈曲和高频波却具有强梯度、非光滑与多尺度。领域需要知道，低残差是否真的代表低解误差。

失效边界命题是：PINN的能力由损失景观、尺度竞争与采样分布决定，物理残差是软约束而非可靠证书。高频分量、对流占优、刚性动力学或局部奇异会导致网络先学习低频平滑解；不同损失项量纲失衡时，边界条件与方程残差还会互相牺牲。

Krishnapriyan等在2021年系统展示，常规PINN在稍复杂的对流、反应和扩散问题上即可失败，误差比改进训练高一至两个数量级；原因并非网络表达能力不足，而是优化病态。固体力学基准也发现，裂纹尖端和局部塑性区可能出现残差不高、场误差却很大的结果。

边界并不意味着PINN无用。平滑小问题、稀疏观测反演和可获得良好尺度化时，它可把方程与数据结合。方法学底线是与成熟数值法在误差—成本—鲁棒性上对照，并用独立守恒量和网格参考解审计。若只展示训练残差或单个可视化场，不能证明解已正确。尤其要报告不满足边界条件或守恒的最坏区域，而非只给域平均误差。

这条结果的价值是否定性的，也正因如此更有用：它把 PINN 从一种「万能求解器」的宣传里拉回到一个有明确适用域的工具。实践上的直接后果是评审标准的改变——报告一个 PINN 结果时必须同时给出与传统求解器的对照、以及在参数扫描下的失败率，而不是展示几个成功算例。这一条在工程期刊上的落实速度明显快于在会议论文里，原因也很实在：工程审稿人手里有可以复算的基准。另一处是发表偏差：失败算例很少被报告，导致这条边界迟至框架流行数年后才被系统地画出来。

它与「四、神经算子力学代理」形成一条自然的分工：单个问题上 PINN 常常不如传统求解器，而需要反复求解一族问题时，学算子才划算。这一分工现在基本已被接受。一处反向证据来自各种改进策略——课程学习、序贯时间域、损失加权——它们确实拓宽了可解范围，但每一种都引入新的超参数，而超参数的选择依赖于对解的先验了解。于是这条命题的可检验形式是：在不看真解的前提下，失败能否被残差本身察觉；目前的答案多数时候是不能。

四、神经算子力学代理

普通神经网络常学习固定网格上参数到解向量的映射，网格、几何或边界条件改变后需要重训。神经算子试图学习函数空间之间的映射，使同一模型在不同输入场和离散上预测完整解场。问题是这种“解算器代理”能否跨分辨率与参数分布保持守恒和稳定。

神经算子的命题是：通过Fourier层、积分核或分支—主干网络学习从系数场、边界到解场的算子，推断成本可远低于重复有限元。训练覆盖充分时，模型可在不同网格上评估，适合反复设计、实时估计和不确定性传播；但它学习的是训练分布中的解族，而非方程本身的普遍求解能力。

2020—2021年的Fourier Neural Operator与DeepONet在多类偏微分方程上展示跨网格预测，随后用于弹性、塑性和多物理代理。常见基准中，推断速度可提高数个数量级；但当几何拓扑、材料对比或载荷频率超出训练范围时，误差会突然放大，并可能违反局部平衡。

争议是随机切分同一生成器的数据容易夸大泛化。算子网络对高频、尖角和接触状态转换尤为敏感；插值到更细网格也不等于获得真实细节。可信使用必须报告跨几何、跨参数和守恒残差的外部分割。若域外输入无法被检测，快速代理可能以更快速度给出错误高置信解。

神经算子真正改变的是设计流程中调用仿真的次数上限：当单次评估从小时降到毫秒，优化、反问题与不确定度传播这些原本被计算预算挡住的事情一次性变得可行。它对组织的影响是把高保真求解从「每次都跑」变成「用来生成训练集与做抽样校核」。风险也集中在这里——训练集之外的几何或载荷会给出看起来平滑合理却错误的解，而下游的优化算法恰恰最擅长找到这些区域并把设计推过去。另一处是训练成本的归属：算子模型的训练要消耗大量高保真解，这份一次性投入应计入总账而不是被当作沉没成本。

它与「八、多保真模型融合」是同一份预算问题的两种花法：一种把钱花在训练一个便宜的模型上，一种把钱花在决定何时调用昂贵模型上，二者常被组合使用。共同的检验点是域外行为。一处反向证据来自带尖锐特征的问题：谱方法类算子在激波、接触边界与裂纹尖端附近系统性地抹平解，误差不随训练样本增加而消失，因为它来自表示能力而非数据量。因此这条命题的可检验形式必须是新几何上的误差与训练几何上的误差之比。

五、在线校准机械数字孪生

结构和旋转机械的数字样机通常由设计模型构建，运行后边界、磨损、预紧和材料状态不断变化。静态模型即使在交付时准确，也会逐渐偏离具体资产。数字孪生真正需要解决的不是可视化三维模型，而是如何用有限传感器在线估计不可见状态，并区分传感漂移与真实损伤。

在线校准孪生主张，把有限元或降阶模型与状态空间估计、贝叶斯更新和配置记录连接。振动、应变、温度或转速数据用于更新刚度、阻尼、裂纹指标与边界参数；每次更新都应给出不确定性和模型版本。若残差结构与既有参数无法解释，系统应报告模型失配而非继续吸收。

2020年代的桥梁、风机、轴承和旋转机械研究将粒子滤波、卡尔曼滤波或贝叶斯模型更新接入在线监测，证明不更新模型会在磨损和载荷改变后快速失配。受控损伤试验也显示，有限传感器常只能识别参数组合，单一裂纹位置与边界松动可能产生相似频率变化。

边界是孪生的可辨识性受传感布置和激励限制，历史运行数据又缺少真正故障标签。同一数据若同时用于更新和性能证明，会高估可信度。决定性要求是独立激励、故障注入与拒绝预测机制。若模型不能在无法辨识时扩大区间，它不是孪生，而是持续校准的单一答案。

在线校准最实际的价值出现在运维决策上：它把定期检修换成按状态检修，这一改变在风机、桥梁与旋转机械上已经能算出账。落地的门槛不在算法而在构型管理——一台设备服役十年会经历若干次改造与更换，若模型不知道自己对应的是哪一版实物，更新只会把误差往参数里塞。行业里失败的孪生项目多数栽在这一步，而不是滤波器不够先进。另一处是数据权属：监测数据往往归业主，模型归供应商，更新权限的合同安排会直接决定孪生能否持续有效。

与「辛、VVUQ」的关系需要点明：在线校准让模型持续贴近实物，却也持续偏离它当初被确认过的那个状态，因此每一次更新原则上都需要重新确认一次。这一矛盾目前没有成熟解法，实践中靠限制可更新参数的范围来回避。一处反向证据是损伤识别的病态性：刚度的小幅局部下降与边界条件变化会产生几乎相同的模态响应，观测不足时更新会把损伤识别成支座松动，反之亦然，因此告警提前量必须以人为注入的已知故障来标定。验收时应固定一次已知损伤，看更新后的模型能否把它定位到正确的部件而不是边界条件上。

六、风险相称模型可信度

同一个机械仿真可用于早期概念筛选，也可用于替代高风险实体试验。过去的V&V流程容易把两种用途套入相同检查表，或反过来以“模型已验证”覆盖所有决策。问题是需要多少证据，不应只由模型复杂度决定，还取决于模型对决策的影响与错误后果。

风险相称框架主张，用模型影响度×决策后果定义可信度要求。模型若只是辅助且失败后果小，可接受较轻证据；若模型主导高后果安全决策，则需更严格的代码验证、输入不确定性、相关实验、适用域和独立审查。可信度不是模型永久属性，而是特定使用情境中的证据结论。

ASME V&V 40-2018在医疗器械计算建模中系统提出模型风险与可信度活动，并迅速影响其他高后果工程领域。案例表明，相同有限元模型在设计排序和监管替代试验中需要不同证据；风险矩阵还迫使团队明确“模型错了会怎样”和“决策多依赖模型”。

争议是风险等级本身可能由项目团队主观降低，证据活动也可能形式化。不同组织对后果、保守度与独立性没有完全统一口径。框架成立的关键是预先定义决策、失败路径与验收指标。若模型风险在结果出来后才调整，风险相称就会成为为既定结论配证据。

这条框架的实用性在于它终结了一场无解的争论：模型要多准才算够。答案不再是一个绝对精度，而是一个与用途绑定的相对量。它的直接后果是同一个有限元模型在不同用途下要走不同的证据流程——用于概念筛选可以很轻，用于替代一次动物试验或一次台架试验则要重。医疗器械行业率先接受它，正是因为那里「用仿真替代试验」的经济动机最强，逼出了配套的举证规程。另一处是审查资源的分配：分级之后，评审力量可以集中到少数高影响模型上，这在监管机构人手有限时尤为关键。

它把「辛、VVUQ」的流程装上了一个可操作的开关，因此两条应当被当作一条线来读。共同的风险是分级本身可以被操纵：把模型声明为「仅作辅助」就能降低举证要求，而实际决策中它可能是唯一依据。一处反向证据是回溯调查中的常见发现——事故后追查往往显示某个被标为低影响的模型实际上主导了设计选择。因此这条命题的检验点应放在决策记录上：查模型影响度的申报与实际使用是否一致，而不是查模型精度。因此这条框架的最小交付物是一张用途—后果—证据强度的对照表，且必须随设计变更一起更新。

七、相场疲劳

相场断裂最初主要描述单调加载，疲劳裂纹却在远低于单次断裂阈值的循环中缓慢萌生和增长。传统Paris定律能拟合裂纹增长率，但需要已有裂纹和应力强度因子，难处理复杂萌生与分叉。问题是怎样在相场能量框架中引入循环历史而不靠逐周次昂贵计算。

相场疲劳的命题是：循环载荷通过累积退化断裂韧度或增加疲劳驱动力，使相场在多周次中演化；同一框架可连接萌生、短裂纹和长裂纹。若设计合理，模型应在不同载荷比和幅值下恢复S–N趋势与Paris区间，并保持能量一致。

Carrara等在2020年提出面向疲劳的相场框架，在低周、高周和变幅基准中重现裂纹增长趋势；后续模型引入循环跳跃、塑性与平均应力效应。结果也显示，不同累积变量与退化函数可用同一组数据标定，却对过载、停载和多轴路径给出不同预测。

边界是高周疲劳逐周期求解成本极高，循环跳跃又可能漏掉路径变化；参数常由宏观S–N或Paris数据反演，难与材料微机制对应。可信检验必须跨越萌生、增长、变幅与几何迁移。若模型每换一个载荷谱都需重新标定，它尚未成为统一疲劳理论。还应检验过载、停歇和载荷次序能否由同一历史变量预测。

把萌生与扩展放进同一框架，最直接的工程价值是缺口、焊缝与增材制造件这些「没有初始裂纹可假设」的部位第一次可以被统一计算。传统做法要在萌生用 S–N 曲线、扩展用 Paris 律之间人为切换，切换点由经验决定，不同团队算出的寿命可以相差数倍。相场疲劳把切换点变成模型的内生结果，代价是需要标定的参数变多，而这些参数难以由单一试验分离。另一处是与试验的分工：相场疲劳并不取消疲劳试验，而是把试验从遍历工况改为标定少数参数并做外推校核。

与「丙、相场断裂」同源，也继承了它的成本问题，并在循环次数上被放大到无法承受，于是循环跳跃成为必需——而跳跃步长本身会影响累积路径，构成一个人为参数。一处反向证据是变幅载荷：真实构件承受的是随机谱，而多数相场疲劳模型在恒幅基准上标定，遇到过载—欠载的相互作用（迟滞效应）时预测偏差明显。因此这条命题的可检验形式应是变幅谱下的寿命误差比，而不是恒幅 S–N 曲线的重现程度。标定用的循环跳跃步长必须与结果一并报出，否则同一模型在不同实现下不可比。变幅试验因此不能省，它是这类模型唯一的外部对照。

八、多保真模型融合

高保真有限元、接触和流固耦合计算昂贵，设计空间探索常依赖低保真梁模型、粗网格或经验公式。传统做法用少量高保真点校正低保真偏差，但若两者相关性随工况改变，简单线性修正会产生负迁移。问题是怎样利用廉价模型而不让其系统性错误主导代理。

多保真融合的命题是：把不同精度模型视为相关但不相同的信息源，通过共克里金、层级贝叶斯或深度多保真映射联合学习。采样策略应优先在低高保真差异不确定处调用昂贵模型；当相关性弱时，方法应自动降低低保真权重而非强行借用。

2016年后的深度多保真方法在气动、结构和热力案例中，用少量高保真样本获得比单一高保真代理更低误差。研究也发现，低保真模型若漏掉屈曲、接触或相变，在这些状态附近会误导采样；加入低保真数据反而比只用高保真更差。

边界在于保真度不是单一等级：粗网格可能在整体刚度上好、在局部应力上差；不同输出的相关性也不同。融合必须报告条件相关性和负迁移检验。若算法默认低保真必有益，工程师可能用更多数据得到更差模型。决定性审计是先在验证集上判断低保真误差方向，再决定它能否进入融合。

多保真的价值在预算受限时才显现，因此它天然属于工业而非学术场景：航空、汽车与能源装备的设计中，高保真评估往往按机时计费，采样策略直接对应真金白银。它的落地要求企业先做一件不常做的事——把各级模型的差异历史记录下来，形成可学习的相关结构。多数企业的低保真与高保真结果分散在不同部门、不同格式里，这份数据资产不存在，融合方法便无从谈起。另一处是组织障碍：融合要求各级模型的责任人交出各自的误差历史，这在部门考核以精度论功的企业里阻力很大。

与「四、神经算子力学代理」互补而不替代：算子代理压低单次成本，多保真管住调用次数，二者叠加才是完整的预算方案。共同的失效点是相关性假设。一处反向证据来自定性差异的情形：低保真模型若漏掉屈曲、接触或相变，它与高保真的差异就不是一个平滑可学的函数，而是在某个参数阈值处跳变；此时融合会以更高的置信度给出错误预测，比单独使用高保真更危险。因此融合的验收必须包含一次跨阈值的外推测试。融合模型上线前应至少做一次留一验证：去掉相关性最强的那一级低保真源，看误差是否失控。

九、失效约束拓扑优化

以柔度最小为目标的拓扑优化倾向于生成细颈、尖角和应力集中，名义刚度高却可能在疲劳、屈曲或断裂中提前失效。传统后处理把尖角圆滑或加厚，但这会改变最优性且无法保证全域应力。问题是能否在拓扑生成阶段就让失效成为主约束。

失效约束拓扑优化主张，将局部应力、疲劳损伤、屈曲或断裂指标直接写入优化，并用聚合函数、局部控制或多尺度约束处理海量限制。设计目标从“最轻且够刚”转为“在指定寿命和制造误差下不发生主导失效”。这常需要牺牲部分名义刚度并消除不可制造细节。

2017年后的应力约束、疲劳和断裂拓扑算法在数值与样件试验中减少尖角失效，并得到更平滑的载荷路径。聚合应力可降低约束数量，但最大局部应力可能被平均掩盖；考虑制造容差后，最优形态还会明显改变，说明失效与制造不能分开处理。

争议是局部应力在拓扑变化处具有奇异性，疲劳和断裂参数也随表面、残余应力与制造工艺改变。聚合函数的选择可能决定答案。有效边界是通过独立样件的失效位置与寿命验证，而非只比较有限元云图。若样件仍总在未被约束的细节处破坏，算法只是把失效移走。

把失效写进优化，改变的是拓扑优化的交付资格：过去它的结果被当作概念方案，还要交给结构工程师重画一遍才能用，因为原始构型往往在尖角与连接处应力集中。约束内置之后，优化结果可以直接进入详细设计，这是它在增材制造件上被真正采用的原因。代价是问题规模——局部约束数与单元数同阶，聚合函数虽然把数量压下来，却会平滑掉真正的最大值，于是「聚合参数取多少」成为一个既影响可解性又影响安全的隐藏选择。另一处是后处理的消失：约束内置后不再需要人工圆角与加厚，设计意图与最终构型之间少了一层不可追溯的人工修改。

与「戊、鲁棒拓扑优化」必须同时使用：只约束失效会得到对制造偏差敏感的构型，只约束制造会得到应力上危险的构型。两者叠加后计算量成倍上升，这是当前拓扑优化工业化的主要阻力。一处反向证据是试验对照——应力约束设计在准静态试件上表现良好，而在含缺陷的实际增材件上，失效常常起源于内部孔隙而非优化所关心的表面应力峰值。因此这条命题的检验必须落在带制造缺陷的实物样件上。

十、可微分逆向机械设计

机械逆向设计常用有限差分、伴随法或黑箱搜索。柔性机构、动力学和多物理系统含大量参数，黑箱优化需要海量仿真；传统伴随又需为每类求解器手工推导。自动微分与可微物理试图让整个模拟链直接提供梯度。问题是数值梯度是否对应真实物理灵敏度。

可微设计的命题是：将时间积分、有限元、碰撞或控制器写成可微计算图，可用端到端梯度高效优化几何、材料与控制。与随机搜索相比，梯度可把参数维数从障碍变成优势；设计—仿真—目标之间不再需要手工接口。

2020年代的可微模拟在柔性机构、软体动力学、流固耦合和轨迹设计中显著减少搜索次数，自动微分能够穿过数千时间步反传。实验也显示，接触切换、塑性屈服和求解器容差会产生不连续或数值噪声梯度；优化器可能利用模拟缺陷获得现实中不可行的设计。

边界是“可导”不等于“梯度正确”。离散化、事件处理和隐式求解误差会在长时程放大，局部梯度还可能把算法困在脆弱解。必须用有限差分审计、物理扰动和样件闭环验证。若设计优势在更精细模拟或实验中消失，它只是对求解器的对抗样本。梯度还应在制造圆角和公差扰动后保持方向，否则逆向设计没有工程稳定性。

可微仿真把设计问题的维数从障碍变成了资源：参数越多，梯度相对随机搜索的优势越大，这使得同时优化形状、材料分布与控制策略第一次成为一次计算而不是三轮迭代。它在软体机器人与柔性机构上落地最快，因为这些对象本来就无法拆成独立的三块来设计。落地的门槛是实现成本——把已有的商业求解器改成可微几乎不可能，因此这条路线实际上要求重写一套仿真栈，这也是它至今主要停留在研究机构的原因。另一处是与硬件的耦合：反传需要保存整条时间轨迹的中间量，显存往往先于计算时间成为限制。

它与「甲、等几何分析」共享同一条链路要求（几何—仿真—目标必须打通），也共享同一处失效：拓扑改变时梯度不存在。一处反向证据来自接触与摩擦：碰撞切换点处梯度不连续甚至发散，直接反传会得到方向错误的更新，为此引入的软化接触模型又会系统性地改变动力学。因此这条命题的可检验形式必须是梯度与有限差分的一致性，而不是优化收敛得快不快——收敛快而方向错，是这条路线上最典型的失败。

十一、超润滑的界面状态

宏观摩擦通常随载荷和材料配对稳定存在，而纳米尺度理论预言，两个晶格不共格的清洁界面可因横向力相互抵消而出现极低摩擦。早期超润滑多限于微小接触和理想环境，难以解释宏观接触中污染、边缘和磨屑如何被控制。

界面状态理论主张，超低摩擦不是某种材料的固定系数，而是由晶格不共格、接触尺寸、卷曲颗粒与表面化学共同选择的状态。界面若形成自组织的石墨烯纳米卷或保持结构超润滑，可把剪切局限在低势垒界面；一旦锁定、污染或磨损改变结构，摩擦会突然跃迁。

Berman等在2015年报告石墨烯与类金刚石碳组合的宏观超润滑，观察到磨损碎片卷曲形成纳米卷并降低剪切；摩擦随界面结构演化而出现状态转变。后续实验显示湿度、氢终止、载荷和基底材料会决定是否形成低摩擦状态，重复性并不等同于材料名称。

争议是许多极低摩擦结果依赖特定环境、跑合和测量尺度，工程系统中的油、氧化层和粗糙度会迅速破坏不共格。超润滑需要以状态保持时间、面积、环境窗口和失效转变评价。若只能在短时小载荷下出现，它仍是界面现象而非可设计的机械系统属性。决定性读数是宏观接触面积和循环寿命，而不是单个纳米接触的最低摩擦系数。

这条认识对工程的直接含义是：不能按材料牌号采购超润滑，只能按工况维持它。石墨烯与类金刚石碳的宏观超润滑对湿度、温度与载荷高度敏感，离开那个窗口摩擦系数会跳升一到两个量级。因此它的产业化路径不是替换现有润滑剂，而是进入本来就无法用液体润滑的场合——真空、极端温度与微机电器件。这一点常被综述性文章模糊掉，因为「超润滑」这个词太容易被读成一种材料属性。另一处是测量口径：宏观超润滑的判据通常取摩擦系数低于千分之一，而不同装置的最小可测力差异很大，跨实验室比较需要统一标定。

与「庚、多尺度粗糙接触」构成一对：庚说明接触面积如何随尺度演化，十一说明在那些真实接触斑上发生了什么化学与结构过程。两者合起来才能解释磨损。一处反向证据是持续距离：许多报道的超润滑只在有限滑动距离内维持，碎片卷曲结构会被磨损破坏或被氧化，此后摩擦回升。因此可检验的量必须是超润滑持续距离与总滑动距离之比，而不是最低摩擦系数——报最低值几乎总能挑到一个漂亮的瞬间。

十二、稀疏动力学辨识（SINDy）

振动、结构健康和非线性机构常用黑箱状态空间模型预测，但模型难解释；直接从数据拟合高阶多项式又容易过拟合。稀疏辨识利用“真实动力学通常由少数项主导”的假设，在候选函数库中选择最小方程。问题是稀疏性是否对应真实机制，而不是噪声与采样造成的偶然选择。

SINDy的命题是：给定状态及其导数，可在多项式、三角或物理候选库中用稀疏回归识别少数主导演化项。模型既可预测又可解释，并能发现参数变化或分岔；若加入控制输入与守恒结构，还可用于在线建模和控制。

Brunton、Proctor与Kutz在2016年从Lorenz系统、流体尾迹等数据恢复紧凑方程，展示稀疏模型可重现动力学。机械振动应用随后识别非线性刚度、阻尼和冲击项；研究也发现，数值微分放大噪声，隐变量和激励不足会让算法选出错误但拟合良好的项。

边界是候选库决定可发现的世界，强相关项会使稀疏解不唯一；间歇接触和非光滑动力学也难用光滑库表达。可信识别必须通过新激励、相图和能量结构验证。若模型只重放训练轨迹，却在改变激励后崩溃，它不是发现方程，而是压缩数据。若改变采样率或候选库后方程结构任意跳变，稀疏性本身也不能充当物理证据。

SINDy 之所以在机械领域被迅速采用，是因为它交付的是方程而不是权重：得到的模型可以被工程师读、被审查、被写进报告，也可以被接进已有的控制设计流程。这解决了黑箱模型在工程组织中最难过的那一关。它的实际门槛在导数估计——状态导数通常由数值微分得到，噪声会被显著放大，因此采样率与滤波方式对结果的影响常常大于算法本身，这一点在实验室数据上不明显，在现场数据上是决定性的。另一处是与控制的衔接：恢复出的方程可直接用于模型预测控制，这使它在旋转机械的在线整定中比黑箱模型更受欢迎。

与「二、热力学一致本构网络」是同一取向的两种做法：都拒绝纯黑箱，都要求模型形式承载可解释性。差别在于二靠架构约束，十二靠函数库选择——而函数库本身就是一个强先验，库里没有的项永远不会被发现。一处反向证据是含摩擦或迟滞的系统：这类非光滑项无法用多项式库稀疏表示，SINDy 会用一堆高阶项去逼近，模型既不稀疏也不可解释。因此这条命题的可检验形式应是样本外轨迹误差与训练误差之比，且必须报出所用候选库。

◎ 二十年连起来看

第一幕重写了机械计算的基本对象：几何不再只是分析前的近似输入，裂纹不再必须被显式追踪，本构可以由微结构在线生成，制造误差与模型不确定性也进入设计本身。第二幕则重写了计算与数据的关系：材料数据可以直接参与求解，神经网络可承担本构和算子代理，但可信度必须由热力学、域外测试、风险和失配拒绝共同约束。

被继承的核心判据是能量、尺度与使用域。相场、周边动力学和非线性能量阱都必须闭合能量账；FE²、粗糙接触、神经算子与多保真融合都依赖尺度覆盖；VVUQ、风险相称可信度和数字孪生则反复要求模型只在定义过的使用域内作承诺。机械工程的近二十年并非从方程走向数据，而是从“单一模型给答案”走向“模型—数据—决策共同给出有边界的答案”。

被推翻的默认包括：CAD到有限元的翻译误差可以忽略、裂纹必须预设、名义最优结构制造后仍最优、方程残差低就等于解准确、代理推断快就等于可替代求解器，以及模型一经确认即可跨任务使用。两幕仍未解决的是如何为非光滑、稀有失效和分布外结构建立可测的拒绝判据，并把数值模型的置信度可靠转换为寿命与安全决策。

◎ 三个常见误解

误解一：非局部或相场方法已经消除了裂纹建模参数。 它们消除了显式追踪，却引入视界、长度尺度、退化函数和能量分裂。误读来自裂纹图像自动生成很直观，而参数可辨识与收敛分析不易展示。

误解二：物理信息网络天然比普通网络更可靠。 方程残差只是训练目标，尺度失衡和优化病态可产生低残差高误差。之所以容易误读，是因为“加入物理”听起来像硬约束，而许多实现只是在损失函数中增加一项。

误解三：数字孪生是高保真模型加实时数据。 真正孪生还需配置一致、可辨识更新、独立确认和失配拒绝。误读来自三维可视化与实时曲线容易展示，而模型何时不知道、数据是否独立更难商品化。

◎ 与相邻领域的接口

与材料科学与工程的接口在本构与失效参数。相场疲劳、超润滑和数据驱动计算都需要材料在多轴、循环与界面状态下的数据；见相邻面板〈240 材料科学与工程〉的“四维原位失效”和“异质结构的背应力协同”。材料科学揭示微结构，机械工程把它转成边值问题与寿命判据。

与运筹学的接口在鲁棒优化、多保真采样和样本外证书。拓扑设计的不确定集、代理模型的主动采样和孪生更新都需要优化方法；见相邻面板〈244 运筹学与工业工程〉的“Wasserstein分布鲁棒性”和“样本外证书”。

与系统工程的接口在模型风险和保证案例。VVUQ给出局部模型证据，系统工程负责把多个模型、试验与配置组织成决策论证；见相邻面板〈245 系统工程与管理科学〉的“持续保证案例”和“构型一致的系统数字孪生”。

与海洋和船舶工程的接口在极端载荷、疲劳和耦合仿真。谱疲劳、动态海缆和浮式平台需要多尺度材料、流固耦合和风险相称模型；见相邻面板〈246 海洋与船舶工程〉的“浮式风电的气—水—控耦合”与“动态海缆成为瓶颈”。

◎ 争议现场

第一场争论是相场、周边动力学与传统裂纹方法谁更“物理”。支持者强调自然萌生与拓扑变化，反对者指出长度或视界参数常靠数值标定。现有验证多集中在单一几何。收敛需要同一材料跨尺寸、跨多轴路径和跨加载速率盲测，并公开能量误差和参数迁移。

第二场争论是科学机器学习能否替代高保真求解。神经算子与PINN在推断速度和数据融合上有优势，经典数值法在守恒、奇异点和可诊断误差上更稳。要收敛，需要把训练成本、域外拒绝、局部平衡和最坏误差放入同一基准，而不是只比较平均推断时间。

第三场争论是数字孪生能否可靠定位早期损伤。频率和振型变化可被边界、温度与损伤共同产生，有限传感器导致不可辨识。现有论文常用模拟故障训练模拟孪生。需要真实受控损伤、独立激励和盲定位，并要求模型在信息不足时明确拒绝。

◎ 往下五年看什么

观察点是断裂论文是否开始统一报告长度尺度或视界的物理标定、网格收敛和跨几何迁移。可统计只展示单一裂纹图与完成三项审计的比例。

观察点是科学机器学习基准是否从随机切分转向跨几何、跨频率和跨失效机制分割，并同时报告守恒残差、最坏局部误差和拒绝率。

观察点是拓扑优化样件能否在真实制造偏差、疲劳和表面状态下保持预测寿命。决定性读数是设计到样件的失效位置与寿命误差，而不是打印成功率。

观察点是机械数字孪生是否公开置信区间覆盖率、模型版本谱系和未建模故障下的告警提前量。若仍只展示实时曲线与平均误差，可信度没有进入工程闭环。

◎ 可与哪些领域对撞

本块“验证、确认与不确定性量化（VVUQ）”可与第149号《会计与审计》的“审计质量代理变量的危机”对撞。两者共享的预设是：一个方便测量的代理不能自动代表真正的可信度。相反点在于：计算力学要求把代码正确、模型适用与预测不确定性分开，会计研究却常用规模、任期或费用代理审计质量。若两边都成立，就应把模型可信度写成证据链而非单一分数，并允许不同用途拥有不同的充分证据。

本块“神经算子力学代理”可与第074号《因果推断》的“设计导向的推断”对撞。两者共享的预设是：训练样本覆盖的局部范围决定结论能否外推。相反点在于：神经算子追求跨几何快速预测，因果推断强调局部处理效应不能自动扩展到新总体。若两边都成立，就必须给每次快速推理同时输出“离训练支持集多远”，速度优势才不会被错误外推抵消。

本块“非线性能量阱”可与第065号《生态学》的“从平衡到变化的常态”对撞。两者共享的预设是：稳定性不是静止，而是扰动能否被重新分配。相反点在于：非线性能量阱通过瞬态能量转移保护主结构，生态学则把持续变动视为系统常态。若两边都成立，韧性设计的目标应从恢复原位改成约束损失路径，并允许系统在扰动后停留于新的可接受状态。

◎ 十条可做的研究命题

IGA的主要工业收益来自减少几何重构而非单次求解加速；记录同一设计迭代的建模、网格和求解工时；若总周期不优于成熟有限元流程，命题不成立。

周边动力学存在可跨试样尺寸迁移的物理视界；用同一材料多尺寸断裂盲测；若每个尺寸需独立重标定视界，物理内尺度命题被否定。

相场断裂参数可由独立试验同时预测萌生和路径；先用标准试样标定，再盲测复杂几何；若路径正确但起始载荷系统偏差，统一性不成立。

鲁棒拓扑优化能降低真实制造散布下的性能方差；制造多批名义与鲁棒样件并盲测；若均值和方差无显著改善，三场设计增量价值有限。

热力学网络在长循环域外加载中比普通网络更少产生能量违例；比较累计耗散与应力误差；若二者违例率相同，结构约束未提供实质保证。

PINN的低残差不能预测裂纹尖端误差；在多种采样和权重下比较残差与参考解局部误差；若二者稳定单调，失效边界命题被证伪。

神经算子可通过显式拒绝机制安全用于域外几何；设置拓扑变化盲测并测覆盖率；若高误差样本不能被拒绝，不应进入决策闭环。

多保真融合在低高保真相关性突变处会负迁移；构造含屈曲或接触状态切换的基准；若融合始终不劣于高保真单模型，负迁移命题不成立。

可微设计的梯度优势在样件闭环后仍保留；将优化设计制造并测性能，再用实验修正；若优势在现实中消失，梯度主要利用了模拟缺陷。

机械数字孪生能在损伤与边界松动之间作可辨识区分；用独立激励注入两类变化；若后验高度重叠且仍给单一诊断，孪生可信命题不成立。

◎ 资料核验

正文中的人名、年份、设计、读数与制度文件依据下列原始论文、标准和官方资料核对；正文六段字数不含源行、碰撞行与本资料表。

下列资料与正文源行逐条对应，便于复核提出者、年份、卷页、读数与制度版本。