准确识别异质材料的力学行为是材料科学中的核心挑战，涉及复合材料、超材料及工程生物组织的设计。传统逆向方法依赖封闭形式的本构模型，且通常局限于简化几何形状或均质性质，限制了其捕捉复杂、空间变化材料响应的能力。本文提出了一种全数据驱动的逆向表征框架，能够直接从全场位移数据恢复异质固体的完整本构行为，无需预设特定材料定律。我们的方法结合了神经常微分方程（NODE）本构模型（内在满足关键热力学和数学约束）与超网络，该超网络映射每个材料点至其局部NODE，实现材料性能任意空间变化的连续表示。该方法的损失函数核心包括平衡强形式和牵引边界条件。我们在合成数据集上验证了该方法的鲁棒性，涵盖各向同性与各向异性异质材料、含噪声测量及复杂几何形状，并通过3D打印弹性体的数字图像相关实验进行了验证。该框架为从实验数据推断异质本构行为提供了一种通用且物理一致的途径，为广泛材料体系的精确力学表征开辟了新机遇。
Taç 等人（周二，）研究了这个问题。