文档摘要

7.3 数据驱动与极端条件流变 本节摘要：本节收束全册，讲两条未来的取证通道。数据驱动流变学在模型族失效时另辟蹊径：神经网络直接学习"变形历史到应力"的映射，图神经网络从显微图像推宏观黏度，符号回归甚至能反推出本构方程的形式——但数据饥渴、外推风险、黑箱疑虑是它的三条硬约束。极端条件流变学（高温高压、微重力、极端剪切速率）则是实验手段的极限延伸，测量数据与数据驱动模型互为补充，共同撑起下一份技术路线图。 会员。《7.3 数据驱动与极端条件流变》收录于灏天文库文集《流变学》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/605-%E6%B5%81%E5%8F%98%E5%AD%A6

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流