2025年12月8日上午，应航空航天学院邀请，西南交通大学阚前华教授出席由工程学部主办的工程科学前沿讲坛，在理科楼205会议室作了题为“基于机器学习的固体变形与疲劳失效分析”的学术报告。报告由航空航天学院副院长陈立明教授主持，学院副院长（主持工作）李卫国教授，尹德强教授、张亮教授、章俊教授及工程学部师生代表30余人出席听讲。
陈立明教授对阚前华教授的莅临表示热烈欢迎，并详细介绍了其学术背景：阚前华教授为西南交通大学扬华讲席教授、博士生导师，国家级高层次人才计划入选者。他长期深耕材料多场耦合循环本构关系和轮轨滚动接触疲劳研究领域，主持国家自然科学基金4项、国家重点研发计划子课题6项，科研成果丰硕。在国际权威期刊发表SCI论文200余篇，其中在《Journal of Mechanics and Physics of Solids》《International Journal of Plasticity》《International Journal of Fatigue》等顶级期刊分别发表6篇、20篇、33篇，学术影响力显著。出版英文学术专著2部、中文专著3部及教材6部，授权发明专利和软件著作权30余项，荣获国家级教学成果二等奖、四川省教学成果特等奖、教育部自然科学二等奖、四川省科技进步二等奖各1项。同时，他还担任《International Journal of Fatigue》《固体力学学报》等期刊编委，兼任中国力学学会力学史与方法论专业委员会、理性力学和力学中的数学方法专业委员会委员，以及中国复合材料学会智能复合材料专委会委员等重要学术职务。
阚前华教授在报告中指出，固体变形与疲劳失效分析是固体力学领域核心方向，对重大工程装备服役安全至关重要，但多因素耦合导致传统分析方法难以满足精度与效率需求，机器学习为解决这一难题提供了新路径。他介绍了团队相关研究进展：在材料性能预测上，构建多尺度数据集并筛选出优化模型，引入迁移学习降低数据需求；在疲劳寿命预测中，针对关键部件构建多源数据融合模型，开发失效模式识别模块；针对传统模型物理可解释性不足的问题，开展基于PINN的疲劳寿命预测研究，融入物理规律约束，有效提升预测准确性；最后总结机器学习在该领域的优势与现存挑战，并展望了未来在数据库建设、多方法融合及轻量化模型研发等方面的研究方向。
阚前华教授的报告兼具理论深度与工程价值，引发在场师生的强烈共鸣。互动环节中，师生们围绕“力学+机器学习教学设计”“机器学习模型的物理可解释性”“多源异构数据的特征融合策略”“增材制造构件缺陷容限分析的工程落地”等问题展开深入探讨。针对“力学+机器学习教学设计”，阚教授结合西南交大课程建设经验，建议在本科生力学实验中融入简单数据建模任务，逐步培养跨学科思维；谈及模型物理可解释性，他以团队PINN研究为例，说明通过引入本构方程约束提升模型可信度的实践路径；面对数据融合与工程落地相关提问，他分享了工业界数据预处理的实用技巧，以及与企业合作开展缺陷分析的案例。师生提问踊跃，阚教授耐心细致解答，不时与在场教师交流教学与科研经验，现场讨论氛围热烈而深入。
报告最后，陈立明教授代表工程学部为阚前华教授赠送了工程科学前沿讲坛纪念奖牌。此次讲座不仅系统呈现了机器学习与固体力学交叉研究的前沿进展，更通过详实的案例为师生提供了跨学科创新的实践参考，进一步强化了工程科学前沿讲坛在搭建学术交流平台、开阔师生视野方面的重要作用，取得了良好反响。
供稿：方家昕
一审：尹瑞森
二审：刘畅
三审：陈立明
