近日，国际著名学术期刊Nature首个工程领域子刊Communications Engineering在线发表题为“Mechanics-informed risk-aware learning for multiaxial structural reliability with Bayesian calibration”的研究论文，并被遴选为Featured Article。研究围绕复杂多轴荷载条件下工程结构可靠性预测与风险评估问题，提出了一套融合力学信息、风险感知学习与贝叶斯概率校准的智能分析框架。我院青年教师宋安祥博士为论文共同第一作者。

该研究成果针对复杂多轴荷载作用下工程结构非线性多轴荷载耦合、高风险样本不平衡以及模型可解释性不足这一关键问题开展研究。研究团队提出了力学信息驱动的风险感知学习框架，该方法首先通过多项式—谐波特征增强，将原始多轴荷载信息映射至能够显式表征非线性及荷载交互作用的高维特征空间；随后引入基于Weibull函数的响应相关加权机制，提高高应力和高退化样本在模型训练过程中的贡献；在此基础上，进一步构建综合考虑应力裕度退化与连接退化的Degradation Risk Score（DRS，退化风险评分），实现不同复杂荷载状态下结构脆弱性的统一量化与风险排序。

该成果体现了土木工程学院在结构可靠性、智能分析与工程风险评估等交叉方向的研究探索，也为结构工程领域中力学机理与人工智能方法的深度融合提供了新的参考。据悉，该研究成果为我院在Nature工程领域子刊的首次发表，标志着学院在结构可靠性与人工智能交叉研究领域取得重要进展。

论文链接：https://www.nature.com/articles/s44172-026-00752-y