arXiv 2610.36429 提交基于模拟标签的地质矿物预测论文
热点事件持续更新
arXiv 2610.36429 提交基于模拟标签的地质矿物预测论文
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026 年 10 月 27 日，Matthew J. Liu 在 arXiv 提交论文 2610.36429（v1），提出基于模拟岩石学标签的全岩化学成分矿物学概率预测模型。该研究利用近百万模拟岩石学标签训练包含 Transformer 编码器的三阶段模型，旨在解决矿物学预测中的多对一反演难题。模型基于约 78.8 万全岩组分实现自监督学习，重校准层仅使用 25 个标签岩石即可恢复 76% 的似然改善，全岩组分零样本预测丰富度误差为 11.0%。该方法展示了机器学习如何利用不完美的模拟器并纠正其系统偏差，有助于提升地质资源勘探效率。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
基于模拟岩石学标签的全岩化学成分矿物学概率预测模型报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · ML基于模拟岩石学标签的全岩化学成分矿物学概率预测模型
研究利用近百万模拟岩石学标签训练包含 Transformer 编码器的三阶段模型，解决矿物学预测的多对一反演难题。 模型基于约 78.8 万全岩组分实现自监督，重校准层使用 25 个标签岩石即可恢复 76% 似然改善，全岩组分零样本预测丰富度误差为 11.0%。 该方法展示了机器学习如何利用不完美的模拟器并纠正其系统偏差，提升地质资源勘探效率。
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。