On limitations of polyconvexity

Resumo Técnico: Sobre as Limitações da Policonvexidade

Definição do Problema
A modelagem constitutiva policonvexa é amplamente valorizada na elasticidade finita por garantir a existência de minimizadores e, mais criticamente para aplicações de engenharia, assegurar a estabilidade do material (elipticidade) e a robustez numérica em simulações. No entanto, os autores observam que, em cenários específicos — particularmente envolvendo materiais microestruturados complexos — as formulações policonvexas podem ser excessivamente restritivas. Essa restritividade impede que os modelos reproduzam com precisão a resposta do material "real" (ground truth), impedindo efetivamente sua utilidade prática, apesar de suas garantias teóricas de estabilidade. O artigo aborda a questão fundamental: O que limita a aplicabilidade dos modelos constitutivos policonvexos?

Metodologia
O estudo emprega uma abordagem dual combinando análise teórica e experimentos numéricos baseados em dados:

1. Análise Teórica: Os autores analisam as restrições estruturais inerentes à policonvexidade. Eles distinguem entre a condição global de policonvexidade (convexidade em um conjunto estendido de argumentos: gradiente de deformação $F$, cofator $H$ e determinante $J$) e a condição local de elipticidade (convexidade rank-one). Eles derivam garantias analíticas de elipticidade para dois tipos específicos de potenciais do tipo Mooney-Rivlin não policonvexos. Esses exemplos demonstram que a elipticidade pode ser satisfeita localmente mesmo quando o Hessiano do potencial não é semidefinido positivo (p.s.d.) globalmente, ou quando termos individuais no Hessiano possuem autovalores negativos.
2. Investigação Numérica (Modelos PANN): Os autores avaliam as limitações práticas dos modelos constitutivos de Redes Neurais Aumentadas por Física (PANN). Eles comparam duas formulações policonvexas representativas contra contrapartes não policonvexas:
   • Tensores Estruturais Baseados em Invariantes: Modelos usando bases de integridade policonvexas (PANN–I) versus bases não polconvexas (PANN–I*).
   • Singulares Assinados: Uma formulação policonvexa baseada em valores singulares assinados (PANN–$\nu$).
3. Datasets: Os modelos são calibrados e testados em dados de homogeneização sintética de três materiais microestruturados:
   • Laminado Rank-One (ROL): Anisotropia transversal, testado em baixos e altos contrastes de fase.
   • Fibras Hexagonais (HEX): Anisotropia hexagonal.
   • Inclusões Esféricas Aleatórias (RAN): Aproximadamente isotrópico.
4. Avaliação: O desempenho é avaliado via qualidade de previsão de tensão (Erro Quadrático Médio) e análise de Elementos Finitos (FEA) não linear de cilindros ocos sob várias condições de carregamento (tração, compressão, rotação).

Principais Contribuições

1. Limitações Teóricas: O artigo fornece provas analíticas de que a policonvexidade é uma condição suficiente, mas não necessária, para a elipticidade. Demonstra que a construção padrão de modelos policonvexos (exigindo que o potencial seja convexo e monotônico nos invariantes) impõe restrições mais rigorosas do que o necessário para a elipticidade. Especificamente, mostra que a elipticidade pode ser mantida localmente mesmo quando o potencial não é globalmente convexo ou quando os coeficientes de tensão são negativos, condições que os modelos policonvexos frequentemente falham em capturar.
2. Limitações Práticas de Conjuntos de Invariantes: O estudo destaca que, para certas anisotropias (ex: hexagonal), não há bases de integridade ou funcionais policonvexas disponíveis atualmente. Consequentemente, modelos policonvexos devem depender de conjuntos incompletos de invariantes, levando a uma perda de informação e redução da capacidade preditiva, independentemente da capacidade da rede neural.
3. Evidência Empírica de Restritividade: Através de estudos de hiperparâmetros e calibração em dados homogeneizados, os autores demonstram que o aumento do tamanho da rede (profundidade e largura) não supera o déficit de desempenho dos modelos policonvexos quando o comportamento do material subjacente viola as condições suficientes para a policonvexidade.
4. Estratégias de Mitigação: O artigo avalia e valida três estratégias para quando os modelos policonvexos apresentam desempenho inferior:
   • Alternar para uma formulação policonvexa diferente (ex: valores singulares assinados vs. invariantes estruturais).
   • Relaxar as restrições de convexidade (ex: usando invariantes não policonvexos).
   • Empregar modelos não policonvexos quando há dados de calibração suficientes, observando que esses modelos podem aprender a elipticidade a partir dos dados.

Resultados

• Baixo Contraste de Fase: Para materiais com baixo contraste de fase (ex: ROL), os modelos PANN policonvexos (PANN–I) apresentam excelente desempenho, prevendo com precisão tanto a tensão quanto as tangentes, e mantendo a estabilidade em FEA.
• Alto Contraste de Fase: Para materiais com alto contraste de fase, o modelo PANN–I policonvexo apresenta desvios significativos em relação ao dado real. O modelo falha em capturar coeficientes de tensão negativos pronunciados necessários para a precisão. Em contraste, o modelo PANN–I* não policonvexo alcança excelente precisão. Notavelmente, o modelo PANN–I*, embora não seja elíptico por construção, aprende a elipticidade dos dados de treinamento e permanece numericamente estável em cenários complexos de FEA envolvendo grandes deformações e flambagem.
• Anisotropia Hexagonal: Tanto os modelos policonvexos quanto os não policonvexos usando bases de anisotropia transversal mostraram apenas precisão moderada para materiais hexagonais, confirmando que a limitação provém da falta de invariantes policonvexos apropriados para esse grupo de simetria, e não apenas das restrições de convexidade.
• Singulares Assinados: O modelo PANN–$\nu$ (baseado em valores singulares assinados) demonstrou superior flexibilidade e propriedades de aproximação universal para casos isotrópicos, superando os modelos baseados em invariantes quando o dado real violava as condições padrão de policonvexidade.

Significância e Alegações
O artigo conclui que, embora a policonvexidade ofereça vieses indutivos valiosos para generalização e estabilidade numérica, ela introduz uma "cascata de condições suficientes, mas não necessárias" que pode limitar a precisão alcançável dos modelos constitutivos.

• Nem todos os comportamentos de materiais elípticos são representáveis por funções policonvexas.
• Nem todas as funções policonvexas são representáveis por formulações de modelos policonvexos específicas (devido a bases de invariantes incompletas ou restrições de monotonicidade/convexidade excessivamente rigorosas).

Os autores afirmam que a modelagem constitutiva permanece um compromisso (trade-off) entre estrutura (estabilidade/generalização) e flexibilidade (precisão). Eles argumentam que, para aplicações onde o dado real é conhecido por ser elíptico, mas falha nas condições rigorosas de policonvexidade, modelos não policonvexos treinados em dados adequados (potencialmente com termos de perda que promovem a convexidade) são uma alternativa viável e, muitas vezes, necessária para alcançar previsões de alta fidelidade.