Skip to content
Hot eventLive

深度学习预测黏弹性赫兹接触的时间分辨黏附力

1 reports1 sources16 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 16 hr ago

LatestOct 5
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。

Timeline

Follow the coverage from different angles.

Oct 5, 2026
  1. 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。

Heat trend

Current heat 6·Comparable peak 10（Oct 5）·Comparable change over 24 hours –

02.557.510Oct5Oct5Oct5Oct6

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.