pi-Net物理信息潜变量模型用于GMAW数据稀缺预测

2026年10月15日，arXiv Artificial Intelligence 刊出由 Akshay Dhalpe 等作者提出的 pi-Net 物理信息潜变量模型。该模型用编码器将输入映射到物理归一化潜空间，再由可微物理头解码输出，以解决将量纲分析引入有向计算图时产生的欠定系统问题。报道称，在数据稀缺的真实 GMAW（熔化极气体保护焊）案例中，该框架仅用 60 个实验样本即达到 R2 0.864，显著优于纯数据驱动基线，并提供因果、过程级的可解释性。上述结果与样本量均限于该 GMAW 案例的评估条件，报道未说明该框架在其他任务或数据集上的表现。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现与早先报道矛盾的数字或说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。