数字材料通过多材料 3D 打印制备，作为刚性与柔顺组分的受控混合，实现了表观刚度跨越一个数量级的有效响应，并表现出强非线性、成分依赖和速率依赖的耗散行为。传统的有限应变粘弹性模型使用平衡与非平衡应力的闭式应变能函数以及内部变量演化方程，但在需要单一本构模型跨材料和加载速率时灵活性受限。
本文提出一种数据驱动的多材料本构建模框架，基于 Bergström 与 Boyce 的形式进行推广。框架保留了经典模型的结构：乘法性运动学、基于不变量的应变能函数，以及沿归一化非平衡偏应力方向的标量耗散演化律。
在平衡支路，框架可直接预测组成的闭式模型参数，或利用神经常微分方程（NODE）自动构建多凸应变能函数。非平衡支路的动力学同样通过直接识别闭式参数或受约束的人工神经网络学习得到。
使用跨多种组成的多速率单轴压缩实验数据，验证了该模型能够捕获不同组成下的速率相关刚度和滞回，同时保持热力学一致性。
点评