PulseAugur
实时 13:55:36
English(EN) Korzhinskii-Net: Physics-Informed Neural Network for Sub-Surface Mineral Prospectivity Modelling

物理信息神经网络推动矿产远景建模

研究人员开发了Korzhinskii-Net,这是一种新颖的物理信息神经网络,用于矿产远景建模。这种二维径向PINN将流体流动和热量传输等物理原理整合到一个可微分的正向模型中,并由地表数据进行监督。在五个不同的矿区进行了测试,Korzhinskii-Net的性能显著优于经典的机器学习基线,证明了其识别纯数据驱动方法所遗漏的地下矿产定位模式的能力。 AI

影响 这种物理信息方法可以实现更精确的地下勘探,降低成本并提高资源丰富地区的发现率。

排序理由 该集群描述了一篇新的学术论文,其中详细介绍了一种用于特定科学应用的新型物理信息神经网络。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Boris Kriuk ·

    Korzhinskii-Net: Physics-Informed Neural Network for Sub-Surface Mineral Prospectivity Modelling

    arXiv:2606.13695v1 Announce Type: cross Abstract: Mineral prospectivity modelling (MPM) underpins exploration economics, yet most operational pipelines reduce to data-driven classifiers trained on shallow surface proxies. Such models are blind to the subsurface physics that actua…