近日，江南大学机械学院“交叉力学与智能系统”课题组宋智功教授与相关合作者在“物理智能”领域取得系列创新性成果。课题组围绕感知智能、生成智能、推理智能三大核心层次，立足于多尺度力学理论，构建了融合物理规律与人工智能的全新技术框架，相关研究成果已发表于《Engineering Applications of Artificial Intelligence》、《Computer Methods in Applied Mechanics and Engineering》和《Cell Reports Physical Science》等国际权威期刊。
物理智能是人工智能的“最后一公里”，它将数字智能与物理世界连接起来，是实现通用人工智能和让机器真正为人类服务的关键。其核心是让 AI 系统理解物理世界的运行规律、感知物理环境的动态变化、生成符合物理约束的实体/虚拟结构，并推理物理系统的核心参数与演化趋势，最终实现与真实物理世界的精准交互与高效决策。它区别于传统以数据拟合为核心的 AI（如纯图像分类、文本生成），强调将物理定律（如力学、热力学、材料学规律）作为“先验知识”嵌入模型设计，解决“AI懂数据但不懂现实”的关键痛点，适用于高端制造、材料研发、结构安全、智能装备等需深度对接物理场景的领域。它不仅仅是一个技术问题，更是力学、计算机科学、机器人学、机械工程、材料科学和神经科学等多学科的交叉融合点。
感知智能：精准捕捉物理世界细微缺陷（EAAI，第一作者2022级硕士牛云腾）
在感知智能层面，受多尺度力学理论启发，课题组构建了一个工业感知智能体的初级形态。展示了机器如何像人一样“学会去看”，并在此基础上做出智能决策，为最终实现具备环境感知、自主分析与实时决策能力的下一代工业智能系统奠定了坚实的基础。针对增材制造与传统金属加工中的表面缺陷检测难题，提出了基于强化学习的多尺度目标检测框架RLMS-YOLO。该技术突破了传统机器视觉被动、固定的感知模式，构建了一种具备自主感知与决策能力的工业感知智能体。能像人类专家一样主动“凝视”与“聚焦”，动态选择最能揭示缺陷本质的特征尺度。
生成智能：高效构建材料微观 3D 结构，实现“按需设计”（CMAME、CRPS，第一作者为2023级博士郑义林）
生成智能领域，课题组相继研发了融合 U-net 多尺度特征的生成对抗网络模型与多模态属性感知扩散模型(MPaDiffusion)，分别实现了从 2D 切片到 3D 微观结构的高精度重建和结构性能的按需设计。该技术支持通过 3D 打印直接实现生成结构的物理实体化，为材料逆向设计、性能预测提供了高效工具，助力缩短新材料研发周期。
推理智能：深度解析断裂力学关键参数（EAAI，第一作者2022级硕士郭翔）
推理智能方面，课题组提出基于物理信息神经网络（PINN）的线性弹性断裂力学分析框架，首次实现了从稀疏位移数据中精准推断裂纹尖端关键力学参数。该技术将 Airy 应力函数与断裂力学公式融入神经网络训练，无需复杂有限元迭代即可求解应力强度因子（SIF）与横向应力（T-stress），为结构健康监测（SHM）提供了全新思路。该模型可广泛应用于航空航天、桥梁建筑等关键结构的裂纹增长预测与安全评估。
物理智能的核心价值在于让人工智能“理解”物理世界的运行规律，而非单纯依赖数据拟合。未来，课题组将进一步拓展物理智能在非线性材料分析、复杂结构动态监测等领域的应用，推动人工智能与物理场景的深度融合，在发展基础力学理论的同时，为高端制造业高质量发展注入新动能。
