本文探讨了非局部代表性学习神经算子（PNO）和物理信息神经网络（PINNs）在材料行为建模中的应用，提出了一种通过有限位移和应变数据重建生物物理特性的新方法，提升疾病诊断的个性化模拟能力。模型在复杂材料的本构参数识别和噪声数据中表现出鲁棒性，展示了机器学习与微观力学模型结合的潜力。