本研究通过引入运动学生长和稳态表面的概念，利用新的本构人工神经网络模型，探讨生物软组织在机械刺激后恢复稳态的问题。结果表明，该网络在学习实验数据和应用中具有潜力，提升了对非弹性材料行为的理解。

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。