研究人员探索了物理信息神经网络（PINNs）在预测一氧化二氮（N2O）通量（一种重要的温室气体）方面的应用。他们的研究利用了一个基于MLP的PINN，该网络在来自美国四个地点的农业数据上进行训练，并借鉴了DayCent和Cycles等过程模型中的机理方程。与未经校准的Cycles模拟相比，PINN显示出显著的改进，在十个种子上的平均R^2达到0.411，尽管物理约束有时会降低分布内精度，但增强了分布外鲁棒性。 AI
排序理由 该集群包含一篇学术论文，详细介绍了机器学习技术在科学问题上的新应用。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
