用微弱力學異質性引導摺疊

摺疊是生長轉化成幾何最明顯的方式之一。平坦薄片或細長條帶累積壓縮；繼續保持平坦的能量成本逐漸上升；最後出現有結構的形狀。經典計算會問屈曲何時開始，以及哪個線性模態首先失穩。今次把問題推前一步：

微弱空間異質性能否引導差異生長產生的摺疊數量與位置，而不增加峰值形變成本？

「引導」是關鍵。實驗沒有加入大型障礙，也沒有預先指定最終形狀；它只在彎曲剛度與壓縮生長負載加入適度空間變化，再觀察非線性能量選出的平衡如何改變。

這是一個簡化連續介質力學研究，不是指定組織、器官或工業層板的校準模型。它的價值是令機制、基準、最佳化與數值檢查都可以審核。

不同剛度與生長負載異質性下的平衡摺疊形狀圖譜。 — **圖 1。** 平衡形狀圖譜。每條曲線都是指定異質性下的能量極小配置；摺疊以位置與線型輔助顏色識別。

由能量開始，而不是由理想圖形開始

設 $y(x)$ 為單位長度條帶的橫向位移。簡化能量為

\mathcal E[y]=\int_0^1\left[ \frac{B(x)}2y_{xx}^2+\frac K2y^2+\frac C4y^4 -\frac{N(x)}2y_x^2+\frac S4y_x^4 \right]\,dx.

每一項都有明確作用：

$B(x)y_{xx}^2/2$ 懲罰曲率，而 $B(x)$ 是空間變化的彎曲剛度；
$Ky^2/2$ 表示抵抗位移的彈性基礎；
$Cy^4/4$ 防止振幅無限增長，提供非線性飽和；
$-N(x)y_x^2/2$ 是引發失穩的壓縮生長負載；
$Sy_x^4/4$ 懲罰大斜率，並規整屈曲後形狀。

這是一個現象學模型，把豐富的形態彈性系統壓縮成一個純量位移及能量景觀。簡化的好處是各競爭機制清楚可見：曲率成本、基礎成本、釋放壓縮與非線性穩定。

端點位移條件直接寫入 sine 展開：

y(x)=\sum_{m=1}^{M}q_m\sin(m\pi x).

最佳化因而在係數 $q_m$ 上進行，而非任意網格值。這不會自動滿足所有可能的樑邊界條件；它精確滿足本文聲明的零位移端點，並提供受控有限維近似。

均勻線性門檻是審核基準

先設 $B(x)=B$ 、 $N(x)=N$ ，並在 $y=0$ 線性化。單一模態 $\sin(m\pi x)$ 的二次能量與

B(m\pi)^4+K-N(m\pi)^2

成比例。失穩條件為

N=N_c(m)=B(m\pi)^2+\frac{K}{(m\pi)^2}.

在 $B=1$ 、 $K=480$ 下，模態 2 有最低門檻， $N_c\approx51.637$ 。這個分析值一方面檢查實作，另一方面為接近所選負載的非線性平衡提供參照。

代表性非線性配置使用平均負載 48 並加入空間調制。雖然 48 低於均勻模態 2 門檻，異質性與非線性能量選擇仍可令局部形變較有利。這並不矛盾：分析門檻屬於均勻線性模型，最佳化則解異質非線性模型。

異質性如何進入模型

實驗採用平滑周期調制，例如

B(x)=B_0[1+\beta\cos(2\pi r x+\phi_B)],

N(x)=N_0[1+\eta\cos(2\pi r x+\phi_N)].

$\beta$ 與 $\eta$ 控制振幅， $r$ 控制空間波數，相位則決定軟區或高壓縮區落在何處。代表值分別為剛度異質性 $0.12$ 、負載異質性 $0.18$ ，並含兩個空間波。「微弱」因而是模型內明確的相對振幅，不是普遍生物分類。

每個配置由多組初始係數開始最佳化。非凸能量可包含多個局部極小值；若只報告一次初始化，便會把「優化器找到這個狀態」錯寫成「這是唯一平衡」。

如何量度「引導摺疊」

摺疊數由平衡形狀的極值估計，並排除微小數值漣漪。位置則相對目標區域量度；力學成本包括總能量與峰值絕對曲率。

這些目標可以衝突。把形變集中在一處可改善定位，卻可能增加曲率；增加摺疊可分散壓縮，但產生不想要的幾何。因此，研究採用 Pareto 式比較，而不是把一切壓成一個隱藏分數。

剛度與負載異質性對摺疊數、位置誤差與峰值曲率影響的引導圖。 — **圖 2。** 引導圖。微弱異質性不是簡單開關，而是重塑摺疊位置、數量與曲率的多目標景觀。

在測試圖譜內，所有配置均按數值成功及梯度準則收斂。最佳定位誤差為單位區間的 $0.125$ 。代表性基準平衡有兩個摺疊、能量約 $-0.03127$ 、峰值曲率約 $1.857$ 。

$0.125$ 並非具有生物意義的定位精度。可支持的解讀是：空間調制以可量度、可重現方式移動平衡特徵，同時允許比較曲率代價。

圖譜亦拒絕過度整齊的故事。有些異質性只改變摺疊位置，不改變數量；有些跨過能量盆地邊界，選出另一個摺疊數；相位可與振幅同樣重要，因為它決定軟區是否對齊最大壓縮區。

數值最佳化可以安靜地說謊

數值庫回傳 success 並不等於能量最小化已驗證。至少要分開三個問題：

平穩性： 梯度是否足夠小？
離散化： 加密積分網格後，平衡是否保留？
全局性： 多起點有否找到競爭極小值？

基準梯度範數約為 $1.27\times10^{-9}$ ，對係數空間中的數值平穩性提供強證據。積分網格由 201 加至 401 及 801 點後，相對最細曲線的形狀誤差約由 $9.0\times10^{-5}$ 降至 $2.18\times10^{-5}$ ；能量與摺疊數保持穩定。

形態彈性摺疊的 Pareto 比較與數值驗證。 — **圖 3。** 取捨與驗證。曲率、定位、梯度範數及網格加密並列，避免把優化器成功誤作物理驗證。

這些檢查建立了有限模態模型中解析良好的平穩點，但不能證明模態截斷以外沒有更低能量狀態，也不能證明簡化能量是某種組織的正確本構模型。

曲率是有用但有限的成本

峰值曲率幾何意義清楚，也常與彎曲應變有關；但其實際意義依賴厚度、本構律、量綱縮放及條帶理論是否仍成立。無量綱圖上的大曲率不能直接換成組織損傷或製造失效。

所以本文只作相對比較：在同一模型及縮放下，改善定位是否需要更尖銳彎曲？這個問題可回答；「這個曲率是否安全？」則不能。

更完整力學研究可報告厚度方向應變、應力、自接觸、基底耦合，甚至三維殼模型。但只有當簡化樑在特定問題上失敗時才應加入這些複雜性；物理項目更多不會自動令模型更可信。

模型內的競爭解釋

若某配置在目標附近形成摺疊，至少有幾個解釋：

該處較軟，曲率成本較低；
局部壓縮較大，在該處釋放應變較有利；
相位對齊改變最終進入的非線性能量盆地；
初始係數偏向某個極小值；
有限模態截斷偏好某些形狀。

圖譜及多起點部分處理前四項；網格加密處理積分解析度，但不等同無限模態。因此，結論寫成「能量景觀的引導」，而不是發現唯一因果通道。

可行後續包括：分開改變剛度與負載異質性；隨相位連續追蹤平衡分支及分岔；再以有限元素 rod 或 shell 實作比較簡化模型。

研究建立了甚麼

在已聲明簡化模型內：

均勻分析計算正確辨認模態 2 與臨界負載；
微弱空間調制改變所選非線性平衡；
摺疊數與位置可改變，而峰值曲率不必單調上升；
基準平衡在係數空間平穩，並通過積分網格加密；
引導是多目標且依賴相位。

證據是計算及機制層面的。它不表示活組織刻意編碼本文測試的剛度圖樣，不表示只憑影像可辨識參數，也不表示三維系統會維持相同關係。

建模啟示：異質性不只是噪聲

入門模型常把異質性當成偏離均勻理想的麻煩。這裡它變成設計變數。這個轉變不只適用於摺疊：空間變化可選擇轉變在哪裡開始、波沿哪條路前進、損傷在哪裡集中，或系統進入哪個平衡盆地。

較好的問題不是籠統地問「異質性是否重要」，因為非線性系統很容易令它重要。應問：

哪一種異質性重要？
在甚麼振幅與空間尺度？
透過控制方程的哪一項作用？
相對哪個均勻基準？
另一個結果需要付出甚麼代價？

這個摺疊研究令上述問題可見，同時沒有把一條簡化樑冒充器官。

參考文獻

A. Goriely, The Mathematics and Mechanics of Biological Growth, Springer, 2017. doi:10.1007/978-0-387-87710-5.
E. K. Rodriguez, A. Hoger, and A. D. McCulloch, “Stress-dependent finite growth in soft elastic tissues,” Journal of Biomechanics, 1994. doi:10.1016/0021-9290(94)90021-3.
M. A. Holland, T. Li, A. Goriely, and E. Kuhl, “A receptor-ligand model for pattern formation in growing systems,” Physical Review Letters, 2013. doi:10.1103/PhysRevLett.111.258102.
B. Audoly and Y. Pomeau, Elasticity and Geometry, Oxford University Press, 2010. doi:10.1093/acprof:oso/9780198506256.001.0001.