Benchmarking di Modelli di Machine Learning sui Dati Classici di Iperelasticità di Treloar

Un recente preprint su arXiv (2608.14063) valuta vari modelli costitutivi basati sul machine learning per materiali iperelastici, utilizzando il noto dataset sperimentale di Treloar. La ricerca confronta diversi approcci, tra cui Reti Neurali Costitutive (Invarianti Generalizzati), Reti Neurali Augmentate con la Fisica, Impronta Digitale del Materiale (Adattiva) e Identificazione e Scoperta Efficiente e Non Supervisionata della Legge Costitutiva. Gli autori valutano aspetti come le prestazioni di fitting, i costi computazionali, la sensibilità agli iperparametri e la semplicità di implementazione. Esplorano anche i compromessi tra complessità del modello e accuratezza predittiva, misurati dal numero di parametri materiali e dalla durata computazionale. Questo studio evidenzia la crescente necessità di valutazioni sistematiche nel campo in evoluzione del machine learning per la modellazione costitutiva.