0 引言
EESD正在积极推动科研数据与代码开放。对于数据驱动研究，论文不仅要说明“结果是什么”，还应让读者能够检查数据、理解方法，并进一步验证和复用研究成果。
近期，EESD发表了一项利用物理约束的Transformer预测结构滞回行为的研究。作者同时公开了模型代码、预训练模型及配套数据，值得向大家推荐。
论文题名：Physics-Based Encoder-Only Transformer for Structural Hysteresis Prediction and Dynamic Analysis
作者：Jongha Joo、Jaehwan Jeon、Junho Song。
论文链接：https://doi.org/10.1002/eqe.70298
1 这篇论文研究了什么？
结构在地震作用下反复变形时，恢复力不仅取决于当前位移，还与此前的加载历史有关。如何准确描述这种“记忆效应”，是结构非线性分析中的重要问题。传统滞回模型通常需要人工选择模型形式、标定参数，面对不同滞回特征时仍有局限。
论文提出物理约束的仅编码器Transformer模型PET，利用自注意力机制学习位移历史与恢复力之间的关系，并引入基于Drucker公设的能量约束和局部刚度一致性约束，使模型在有限数据条件下兼顾预测精度与物理合理性。
研究分别在六类解析滞回模型上进行训练和测试，并利用防屈曲支撑框架混合试验中的支撑轴向滞回数据进行验证。训练后的PET还被嵌入到数值动力分析中，逐步提供恢复力预测。
Steel02模型与PET模型对试验恢复力的预测对比。来源：原论文图12。
2 数据与代码公开
论文的数据可用性声明给出了配套GitHub仓库，其中可以获取：
（1）模型实现与运行说明：PET模型源代码、预训练与微调、测试和动力分析流程，以及README和依赖说明。
（2）数值滞回响应数据：当前仓库包含双线性、Bouc–Wen、BWBN、IMK和Ramberg–Osgood五类模型的预生成响应数据，并提供相应的预处理代码。
（3）预训练模型与实验测试资源：除数值模型的预训练权重外，还包括AYB支撑实验应用的预训练权重、处理后的实验测试数据及测试入口，便于读者进一步检验模型性能。
数据与代码：https://github.com/JonghaJoo/PET
3 通讯作者简介
本文通讯作者Junho Song教授，任职于韩国首尔大学土木、城市与环境工程系，并担任Structural Safety期刊主编，同时为Member of National Academy of Engineering of Korea (NAEK)。
他长期从事结构与系统可靠度、地震工程与随机振动、城市基础设施风险与韧性研究，并探索统计与机器学习方法在不确定性分析中的应用。
Junho Song教授。照片来源：其课题组官方主页。
人物简介来源：https://systemreliability.wordpress.com/junhosong
4 EESD为什么持续倡导开放与可重复性？
将数据、代码和模型整理为可获取、可理解、可使用的资源，有助于研究者检查方法的适用范围，并在共同的数据基础上开展公平比较。
按照EESD的数据驱动论文政策，最低要求是开放测试／验证数据，并提供能够复现关键结果的可运行实现；期刊进一步鼓励公开训练数据、完整源代码和必要文档，并要求通过带DOI的可靠仓库保障长期访问。
EESD欢迎高质量的地震工程与结构动力学研究，也期待更多作者共同推动开放、透明、可重复的学术实践。
延伸阅读｜EESD数据驱动论文政策：https://onlinelibrary.wiley.com/pb-assets/assets/10969845/EESD-AI-Policy-Final-1769749073093.pdf
---End---
建筑结构生成式智能设计软件：
3分钟视频演示剪力墙结构智能设计完整操作流程
1分钟视频建筑户型平面生成与编辑流程
相关研究
学术报告视频
专著
人工智能与机器学习
---结构智能设计
---其他土木工程领域人工智能研究
城市灾害模拟与韧性城市
高性能结构与防倒塌
新论文：抗震&防连续倒塌：一种新型构造措施
热门跟贴