본 논문은 등방성 비압축성 초탄성체에 대한 적절한 불변량과 구성 모델을 동시에 발견하는 새로운 데이터 기반 프레임워크를 제시합니다. 일반화된 불변량 클래스에서 가장 적합한 불변량과 해당 변형 에너지 함수를 실험 관찰에서 직접 식별하는 방법을 사용합니다. 기존의 고정된 불변량 선택이나 순차적 피팅 절차에 의존하는 방법과 달리, 본 연구의 방법은 단일 신경망 구조에 발견 과정을 통합합니다. 연속적인 불변량 집합을 고려하여 다양한 재료 거동에 유연하게 적응할 수 있습니다. 고무와 뇌 조직에 대한 일반적인 벤치마크 데이터셋을 사용하여 이 방법의 효과를 보여줍니다. 고무의 경우, 고전적인 모델과 일치하는 신장 중심 공식을 복구하고, 뇌 조직의 경우 작은 신장에 민감한 공식을 식별하여 부드러운 생물학적 물질의 비선형 전단 응답 특성을 포착합니다. 기존 모델과 신경망 기반 모델에 비해 광범위한 변형 상태에서 예측 정확도와 해석력이 향상되었습니다. 이 통합 전략은 초탄성체에서 자동화되고 물리적으로 의미 있는 모델 발견을 위한 강력한 도구를 제공합니다.
