Физически информированное машинное обучение в геотехнической инженерии: обзор перспективных направлений

В данной обзорной статье, посвящённой перспективным направлениям, рассматривается развивающийся ландшафт методологий физически информированного машинного обучения (PIML) в области геотехнической инженерии с целью представить всесторонний обзор современных достижений и предложить направления будущих исследований. Учитывая неразрывную связь между геофизическими явлениями и геотехническими процессами, авторы исследуют взаимодействие моделей, основанных на физических законах, и методов машинного обучения. В статье разъясняется значение применения физически информированных подходов и подчёркивается их потенциал для повышения интерпретируемости, точности и надёжности прогностических моделей в геотехнических приложениях. Рассматриваются современные применения PIML в механике грунтов, гидрологии, инженерно-геологических изысканиях, анализе устойчивости склонов и проектировании фундаментов, демонстрируются их достижения и проблемы. Кроме того, определяются перспективные направления будущих исследований в геотехнической инженерии, включая интеграцию предметных знаний, объяснимость моделей, мультифизические и мультимасштабные задачи, сложные определяющие модели, а также цифровые двойники и крупные модели искусственного интеллекта в рамках PIML. По мере того как геотехническая инженерия переходит к методологиям, основанным на данных, данная обзорная статья предоставляет исследователям и практикам ценные ориентиры, определяя дальнейшее развитие PIML для создания устойчивой и жизнестойкой инфраструктуры.