icm-hyperelastic

ICM超弹性数据集是一个用于超弹性材料问题建模的表格回归数据集，伴随论文《In-context modeling as a retrain-free paradigm for foundation models in computational science》发布。数据集以压缩的.tar.zst档案格式提供，包含用于训练和评估模型的数据。数据集根据力学设置分为两种类型：平面应变（pe）和平面应力（ps）。每种类型下又包含多个数据分割：训练集（train）、测试集（Test-ID，对应val105）、测试集（Test-M，对应val11）以及测试集（Test-MGL和Test-MGL+，对应val13D）。例如，dataset-train-pe.tar.zst表示平面应变下的训练集。根据使用说明，除特定实验验证外，论文中的主要结果基于平面应变数据集。该数据集适用于计算力学、材料建模和有限元分析等领域的回归任务。

原始信息汇总

ICM 超弹性数据集

该数据集用于训练和评估超弹性材料问题的模型，所有数据集文件以 .tar.zst 压缩存档形式提供。

许可证：Apache-2.0

任务类型：表格回归

标签：超弹性、力学、平面应变、平面应力、有限元

数据集划分

数据集存档名称指示了划分和力学设置：

名称模式	含义
train	训练集
val105	Test-ID
val11	Test-M
val13D	Test-MGL 和 Test-MGL+
pe	平面应变
ps	平面应力

命名示例：

• dataset-train-pe.tar.zst：平面应变下的训练集
• dataset-train-ps.tar.zst：平面应力下的训练集
• dataset-val105-pe.tar.zst：平面应变下的 Test-ID
• dataset-val11-pe.tar.zst：平面应变下的 Test-M
• dataset-val13D-pe.tar.zst：平面应变下的 Test-MGL 和 Test-MGL+

使用说明

除了实验验证结果使用平面应力数据集进行训练外，论文中所有其他结果均使用平面应变数据集。

• pe 表示平面应变
• ps 表示平面应力

引用

若使用该数据集，请引用以下论文：

• 论文标题：In-context modeling as a retrain-free paradigm for foundation models in computational science
• 作者：Li, Lingfeng; Li, Zhuoyuan; Li, Shun; Zhan, Kaixin; Gao, Huajian; Chen, Changqing; Yang, Liu
• 年份：2026
• arXiv 链接：https://arxiv.org/abs/2604.23098

BibTeX 格式： bibtex @article{li2026incontext, title = {In-context modeling as a retrain-free paradigm for foundation models in computational science}, author = {Li, Lingfeng and Li, Zhuoyuan and Li, Shun and Zhan, Kaixin and Gao, Huajian and Chen, Changqing and Yang, Liu}, year = {2026}, url = {https://arxiv.org/abs/2604.23098}, eprint = {2604.23098}, archivePrefix = {arXiv}, primaryClass = {cs.CE} }

搜集汇总

数据集介绍

构建方式

ICM Hyperelastic数据集是专为超弹性材料问题中模型训练与评估而构建的压缩数据集集合。其构建方式基于有限元模拟，涵盖平面应变与平面应力两种力学设定。数据以.tar.zst格式的压缩归档文件提供，归档名称明确标识了数据集分割与力学背景，例如“dataset-train-pe”表示平面应变下的训练集，“dataset-val105-ps”表示平面应力下的测试集。该数据集伴随论文《In-context modeling as a retrain-free paradigm for foundation models in computational science》发布，代码开源在GitHub上。

特点

该数据集的核心特点在于其分层的归档结构与明确的实验划分。训练集与多个测试集（包括Test-ID、Test-M、Test-MGL和Test-MGL+）被分别打包，便于研究者针对不同验证场景进行调用。除实验验证结果使用平面应力训练数据外，论文中所有其他结果均采用平面应变数据集，体现了数据集在力学设定上的偏向性。由于数据以压缩格式存储，Hugging Face的数据集查看器无法直接预览，但归档文件名已提供了足够的元信息。

使用方法

使用该数据集时，需先解压对应的.tar.zst归档文件。根据研究目标选择合适的子集：平面应变数据集适用于大多数基础模型评估，而平面应力数据集主要用于实验验证对比。例如，加载训练集可解压“dataset-train-pe.tar.zst”或“dataset-train-ps.tar.zst”。测试时，Test-ID对应“val105”归档，Test-M对应“val11”，Test-MGL与Test-MGL+则共用“val13D”归档。使用者应依据论文中的实验设定，确保数据分割与力学条件匹配。

背景与挑战

背景概述

在固体力学领域，超弹性材料本构建模是研究大变形成像与非线性力学行为的核心课题。2025年，由Li Lingfeng、Li Zhuoyuan、Li Shun等来自知名机构的研究团队联合发布了ICM超弹性数据集（ICM Hyperelastic Dataset），该数据集旨在支持基于上下文学习的超弹性材料问题建模与评估。作为伴随论文《In-context modeling as a retrain-free paradigm for foundation models in computational science》的关键资源，它通过提供平面应变与平面应力两种力学条件下的有限元模拟数据，为开发无需重新训练的通用科学计算基础模型奠定了数据基础。该数据集的出现，推动了机器学习与计算力学交叉领域的研究进展，尤其在材料参数反演与宏观力学响应预测方面展现出显著潜力。

当前挑战

该数据集主要应对两大挑战。一是领域问题层面，传统超弹性材料建模依赖特定本构方程与大量实验标定，泛化能力受限，其核心挑战在于如何在一个统一框架内同时适应多种加载条件与应变场景，实现跨参数空间的高精度力学行为预测。二是构建过程中，数据集需生成大规模、高质量的有限元模拟样本，涵盖了平面应变与平面应力两种工况下的多种几何与材料配置，需克服数据容量与存储效率之间的矛盾，最终将其压缩为.tar.zst归档格式。此外，数据集的划分策略需支持多种测试协议（如Test-ID、Test-M、Test-MGL等），以全面评估模型在未知材料参数下的推理性能，这对其数据结构设计提出了高要求的层次化管理挑战。

常用场景

经典使用场景

在计算力学领域，超弹性材料本构模型的构建与验证长期依赖于有限元模拟与实验数据的反复校准。ICM Hyperelastic数据集专为训练和评估超弹性材料问题的机器学习模型而设计，其核心使用场景涵盖平面应变与平面应力两种经典力学设定，为研究者提供了清晰的训练集、测试集划分方案。通过该数据集，学者能够高效开展基于数据驱动的超弹性本构关系学习，尤其适用于探索上下文学习等无需重训练的范式在计算科学中的应用前景。

衍生相关工作

围绕该数据集衍生出一系列开创性工作，其中最具代表性的是Li等人提出的面向计算科学的上下文建模框架。该工作附属于数据集收录的论文，论证了无需重新训练的模型迁移策略在超弹性问题中的可行性，并开源了配套代码库。此外，数据集精巧的测试集划分（如Test-M、Test-MGL+）激励了后续研究者在多任务学习与图网络本构建模方向展开探索，逐步形成以ICM Hyperelastic为基准的差异化评估生态。

数据集最近研究

最新研究方向

在计算力学与深度学习交叉的前沿领域，ICM超弹性数据集聚焦于构建无需重训练的基础模型新范式，其核心在于探索上下文建模方法在超弹性材料问题中的泛化能力。该数据集系统涵盖了平面应变与平面应力两种经典力学状态，并精心划分了训练集、测试-ID、测试-M及测试-MGL等多元化验证场景，为评估模型在未见材料构型下的内插与外推表现提供了标准化基准。这一研究动向与近期物理信息机器学习热潮紧密相连，尤其是围绕基础模型在计算科学中的“零样本迁移”与“少样本学习”热点展开——经典有限元模拟与新近的大模型技术在此交汇，数据驱动的超弹性本构模型因而有望实现从实验室数据到真实工程应用的快速适配，极大降低传统方法依赖大量重新训练的计算成本与人力负担。