可微混合建模框架从实验数据学习化学传输过程

研究者提出一种可微分混合建模框架，将神经网络嵌入 GPU 加速的种群平衡方程求解器中，可直接从结晶实验数据中发现本构定律并同化初始条件。 据该论文称，基于 13 组真实多维尺寸与形状测量实验，同化初始条件能恢复物理一致的非线性速率定律，轨迹误差较传统建模降低七倍；端到端可微分性还支持对 300 变量温度曲线进行梯度优化，在质量不变条件下使晶体长宽比降低 25%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。