热力学一致神经网络构建通用流体吉布斯自由能方程
热点事件持续更新
热力学一致神经网络构建通用流体吉布斯自由能方程
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
Xurui Li 等发布论文,提出利用 Gibbs 自由能引入热力学一致神经网络,构建流体状态方程(GEoS)的新机器学习框架。该研究旨在通过物理一致性提升模型在流体领域的通用性与预测精度。 实验结果显示,气相和液相密度测试集的平均绝对相对偏差(AARD)分别为 5.25% 和 3.96%,表现优于传统立方方程及现有机器学习模型。此外,利用 GEoS 拟合的 PC-SAFT 方程保持了高精度预测能力,为工业实际应用提供了可靠基础。
AI 根据报道生成 · 13 小时前更新
最新进展11月20日 13:00
热力学一致神经网络构建通用流体 Gibbs 自由能状态方程报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · ML热力学一致神经网络构建通用流体 Gibbs 自由能状态方程
研究利用 Gibbs 自由能引入热力学一致神经网络,构建了流体方程状态(GEoS)的新机器学习框架。 气相和液相密度测试集的平均绝对相对偏差(AARD)分别为 5.25% 和 3.96%,表现优于传统立方方程和现有机器学习模型。 利用 GEoS 拟合的 PC-SAFT 方程保持了高精度预测能力,为工业实际应用提供了可靠基础。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 911月20日 16:00
- 近 24 小时变化
- –
02.557.510
18:0021:0011月21日03:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。