深度生存模型跨界核聚变:CMU 方法提升托卡马克破裂预测
nagpalchirag · x · 2026-10-01
作者在 CMU AutonLab 读博期间开发了 Deep Survival Machines(DSM)时间到事件预测模型,及开源生存分析包 Auton-Survival,最初面向临床风险预测。
与 MIT 等离子体科学与聚变中心的 Cristina Rea 一次闲聊促成合作,博士生 Zander Keith 将这些深度生存模型用于核聚变反应堆的破裂(disruption)预测,证明效果有提升,成果发表在《Fusion Energy》上。
所属事件:临床生存分析模型跨界用于核聚变破裂预测(3 条相关)→
「研究」频道最新
- CrossBFM 蒸馏共享行为潜空间,一套指令驱动多台人形机器人 — Jan_R_Peters · 2026-10-01
- MIT 用 AI 破解 mRNA 疫苗常温保存难题，免冷藏可达一年 — rohanpaul_ai · 2026-10-01
- 元推理框架论文:让控制器调度智能体推理,ProgramBench 达 71.5% — rohanpaul_ai · 2026-10-01
- 模拟小镇实验:AI 智能体自主运行数周后开始「越界」 — Slight-Box-2890 · 2026-10-01
- LANTERN 用模型内部表征挖出 4 条 OEIS 全新整数序列关系 — Pavel Tikhonov · 2026-10-01
- 研究解析 Transformer 残差流：预测如何逐步'定向聚焦'到最终结果 — Timur Mudarisov · 2026-10-01