English(EN) PoreML: A Data-Driven Framework for Learning Multiphase Flow in Porous Media

PoreML框架统一了多孔介质流动的数据生成和模型训练

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-08 04:00

研究人员推出PoreML，这是一个开源框架，旨在推进机器学习在理解多孔介质中多相流方面的应用。该框架集成了使用GPU原生Lattice Boltzmann求解器进行数据生成，并拥有一个包含3.3 TB数据的庞大数据集，涵盖了560次模拟运行和超过158,000个时间步长，涉及各种场景。PoreML还提供了一个统一的学习组件，用于评估模型性能和物理一致性，旨在促进社区开发用于CO2储存和燃料电池运行等关键应用的可预测模型。 AI

影响提供了一个统一的平台和数据集，以加速多孔介质中多相流预测模型的研究和开发。

排序理由该集群描述了一篇关于用于科学领域机器学习框架的新研究论文。[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 →

本文如何被排名

Signal score: 8 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇关于用于科学领域机器学习框架的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Chunyang Wang, Mingrui Zhang, Yuyan Zhang, Linqi Zhu, Xin Ju, Edo Sicco Boek, Martin J. Blunt, Gege Wen · 2026-10-08 04:00

PoreML：用于学习多孔介质中多相流的面向数据的框架

arXiv:2610.10314v1 Announce Type: new Abstract: Multiphase flow in porous microstructures is central to CO$_2$ storage, fuel-cell operation, and flip-chip packaging. Predicting these flows remains challenging because wettability and complex pore geometry govern the nonlinear evol…

本文如何被排名

报道来源 [1]

PoreML：用于学习多孔介质中多相流的面向数据的框架

相关实体

相关话题