热点事件持续更新
深度学习预测黏弹性赫兹接触的时间分辨黏附力
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
2026年10月5日，arXiv（Statistics Machine Learning，一手来源）报道了一项研究：研究团队训练了一个标量条件、状态保持的 sequence-to-sequence 深度学习模型，用于根据给定位移历史预测黏弹性黏附接触的完整力演化轨迹。该模型覆盖短程与长程黏附区间，实现对黏附力的时间分辨预测。这是目前该事件的唯一报道，尚无更早或相互矛盾的信息，后续进展有待进一步报道确认。
AI 根据报道生成 · 16 小时前更新
最新进展10月5日 12:00
arXiv新报道：标量条件、状态保持的seq2seq模型可据位移历史预测黏弹性黏附接触的完整力演化轨迹。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv · Statistics Machine Learning深度学习预测黏弹性 Hertzian 接触中的时间分辨黏附力
研究训练一个标量条件、状态保持的 sequence-to-sequence 深度学习模型，根据给定位移历史预测黏弹性黏附接触的完整力演化轨迹，覆盖短程与长程黏附区间。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。