可微混合建模从实验数据学习传输模型

研究者提出一种可微混合建模框架，将神经网络嵌入 GPU 加速的群体平衡方程求解器，直接从 13 组真实结晶实验数据中发现本构定律并同化初始条件。 研究称，把测量初始条件当作精确值虽能提升预测精度，却会得到物理不一致的速率定律；同化初始条件则可恢复物理一致的非线性定律，轨迹误差较传统建模降低七倍。 该框架的端到端可微性还支持对 300 变量温度曲线做梯度优化，在质量不变的前提下将晶体长宽比降低 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。