传统有限元与计算流体力学仿真长期面临“精度-效率”两难困境:高保真分析计算昂贵,而简化模型又难以捕捉复杂多物理场耦合行为。近年来,人工智能的深度介入正催生一场“智能力学仿真”的范式变革——从物理信息神经网络(PINN)直接嵌入偏微分方程残差,到UNet与Transformer实现全场应力/位移的毫秒级预测;从EUCLID无监督本构发现自动揭示超弹性材料的能量函数形式,到NNUMAT将深度学习模型无缝部署于Abaqus商用求解器。更具颠覆性的是,大语言模型多智能体系统(LLMAgent)的崛起,正在重新定义仿真工作流:通过MCP模型上下文协议标准化CAE求解器接口,利用LangGraph、AutoGen等框架编排规划建模求解后处理协作智能体,并借助FeaGPT、FoamAgent等前沿成果,实现“自然语言对话式仿真”与端到端自动化闭环。本专题系统讲授机器学习核心算法、深度学习代理模型、断裂力学AI预测、数据驱动本构建模以及多智能体协同技术,旨在培养掌握力学仿真原理与人工智能方法的复合型人才,推动计算力学迈向智能、精准、自动化的新阶段。