本文提出了一种新型神经算子体系结构DAFNO，旨在对无规则几何形状的物理系统进行建模。通过FFT编码几何信息，提升了材料建模和气动力学仿真的准确性。同时，结合微观力学模型与机器学习，开发了智能本构法（SCL），有效整合材料对称性，并验证了其在有限数据和强对称性条件下的优越性。

本文介绍了一种结合微观力学模型和机器学习技术的方法，可以同化复杂微观结构的非线性和历史相关行为。该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。同时，该方法扩展了神经网络架构的能力，并在弹性材料和非弹性材料的测试中得到验证。在数据有限且存在强对称性的情况下，该方法优于传统神经网络。