Sinter-PiNDiff

新的物理集成神经网络模型跨材料烧结

研究人员开发了 Sinter-PiNDiff，一个将物理原理与神经网络相结合的新颖框架，用于模拟各种材料的复杂烧结过程。该方法使用两个神经网络来学习致密化和晶粒生长的动力学，在预测材料演变方面优于传统的多层感知器和残差网络模型。该框架成功应用于 MgO、掺 Al 的 ZnO 和掺 CaO 的 ThO2，证明了其在稀疏数据下的通用性和准确性，尽管深度集成并未完全捕捉到模型分歧。