PulseAugur
中
实时 11:01:10
English(EN) Differentiable Thermodynamic Phase-Equilibria for Machine Learning

新的DISCOMAX算法增强了化学工程相平衡的机器学习能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了DISCOMAX，一种旨在提高机器学习在化学工程相平衡预测中准确性的新型算法。这种可微方法通过在反向传播中整合离散的相态枚举和掩码softmax聚合，确保了热力学一致性。DISCOMAX在二元液-液平衡数据上表现出优于现有基于代理的方法的性能，为从各种平衡数据集中学习提供了一个通用框架。 AI

影响 为化学工程引入了一种新颖的物理一致性机器学习方法，有望提高相平衡预测的准确性。

排序理由 详细介绍化学工程机器学习新算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的DISCOMAX算法增强了化学工程相平衡的机器学习能力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Karim K. Ben Hicham, Moreno Ascani, Jan G. Rittig, Alexander Mitsos ·

    用于机器学习的可微分热力学相平衡

    arXiv:2603.11249v4 Announce Type: replace Abstract: Accurate prediction of phase equilibria remains a central challenge in chemical engineering. Physics-consistent machine learning methods that incorporate thermodynamic structure into neural networks have recently shown strong pe…

相关实体

相关话题