研究提出可微混合建模框架优化结晶过程
热点事件持续更新
研究提出可微混合建模框架优化结晶过程
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Arthur Jessop、Mohammed Alsubeihi、Ben Moseley 和 Ashwin Kumar Rajagopalan 提出可微混合建模框架，将神经网络嵌入 GPU 加速的人口平衡方程求解器，用实验结晶数据学习本构关系、同化初始条件并优化操作曲线。论文称，在 13 组真实实验中，初始条件同化将轨迹误差较传统建模降低七倍。 研究还识别出一条含 300 个变量的温度曲线；论文称，在晶体质量不变时，该曲线可使晶体长宽比降低 25%。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
可微混合建模从实验数据学习并优化化学传输过程报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Machine Learning可微混合建模从实验数据学习并优化化学传输过程
论文提出一种可微混合建模框架，将神经网络嵌入 GPU 加速的 population balance equation 求解器，从实验结晶数据中学习本构律并同化初始条件。基于 13 组真实实验，初始条件同化使轨迹误差相较传统建模降低七倍，并识别出一个可在恒定质量下将晶体长宽比降低 25% 的 300 变量温度曲线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。