该研究提出了Point-DeepONet模型，解决了深度学习在复杂三维几何和非结构网格上的预测不足。该模型通过处理点云和符号距离函数，实现了对位移和应力场的高效预测，速度比传统方法快约400倍，支持结构分析和工程决策。

本文介绍了一种采用机器学习技术同化微观结构行为的方法，通过智能本构法将微观信息融入有限元求解器，计算成本较低。该方法通过引入新方法，扩展了适用于各种神经网络架构的能力，并通过测试不同材料验证了其优越性。讨论了该方法的潜力和未来研究方向。