近日，由国际著名学术出版机构Elsevier和中国科学出版社联合出版的学术专著 《Machine Learning in the Analysis of Deformation, Fatigue and Fracture in Solids》 正式发布。该书由hth官方网页版登录入口康国政教授团队（康国政、阚前华、张旭、胡雅楠、李翔宇等）在hth官方网页版登录入口自然科学基金重大项目（12192210; 12192214）和hth官方网页版登录入口本科教材建设研究项目（2025）的支持下撰写。中文版率先由科学出版社出版，旨在及时向国内学术界与工业界介绍此前沿交叉领域的最新进展；其后出版的英文版，则是在此基础上，结合团队和国内外最新研究进展开展了大幅调整与完善，旨在面向全球读者分享该领域的研究方法与工程应用实践，促进了国际学术交流。
《Machine Learning in the Analysis of Deformation, Fatigue and Fracture in Solids》系统阐述了如何利用机器hth官方网页版登录入口（ML）技术，为解决固体材料变形与失效分析中的长期挑战提供全新的、高效的解决方案。标志着该领域的研究进入了数据与物理模型深度融合的新阶段。
传统上，预测材料在载荷下的变形、开裂和疲劳失效行为高度依赖于复杂的物理模型和计算成本高昂的数值模拟。这些方法在处理材料行为的多尺度特性、多因素耦合等复杂场景时常常面临巨大挑战。该书介绍了一种变革性的研究范式：通过利用ML从海量数据中挖掘隐藏规律，极大提升了材料力学行为分析的准确性和效率。
该书可供高等hth官方网页版登录入口力学、机械、土木、航空航天等专业本科生使用。也可供研究生和工程技术人员参考。
